Python 将压缩迭代器分离为单个迭代器？

我的代码有两个2D numpy数组，

z

和

weights

。 我像这样迭代它们（在转置它们时）：

这很好，直到我开始使用Numba来加速我的代码。使用Numba时，我会出现以下错误：

numba.error.NumbaError: (see below)
--------------------- Numba Encountered Errors or Warnings ---------------------
        for y1, w in zip(z.T, weights.T): # building the parameters per j class
------------^
Error 82:12: Only a single target iteration variable is supported at the moment
--------------------------------------------------------------------------------

为了解决这个问题，我想我可以这样做：

for y1 in z.T:
   for w in weights.T:
       temp_g = sm.WLS(y1, iself.X, w).fit()

---

但是我还不太擅长python，所以我只想知道这是否是最好的方法？或者是否有其他更优化的方法？

看起来Numba不支持任务解包。分配给一个目标，然后寻址元组中的两个索引：

for y1_w in zip(z.T, weights.T):
    temp_g = sm.WLS(y1_w[0], iself.X, y1_w[1]).fit()

这里的

y1_w

是一个元组，包含

z.T

和

weights.T

的成对元素，因此是两个元素的元组。您可以使用索引处理每个元素

您可能可以在循环体中的

for

语句外部使用赋值解包：

for y1_w in zip(z.T, weights.T):
    y1, w = y1_w  # unpack the zip pair 'manually'
    temp_g = sm.WLS(y1, iself.X, w).fit()

for y1_w in zip(z.T, weights.T):
    y1, w = y1_w  # unpack the zip pair 'manually'
    temp_g = sm.WLS(y1, iself.X, w).fit()