Python 计算多个并行阵列的最优雅/高效/通灵的方法？

对于一些计量经济学的工作

在给定（可能）大量并行数据数组的情况下，我通常需要导出计算变量的多个并行数组

在下面的示例中，我有两个输入数组和两个输出数组，但想象一下在现实世界中，可能有5-10个输入和输出数组

w、 x是输入
y、 z是输出

方法A：

w = [1, -2, 5]
x = [0, 3, 2]
N = len(w)
I = range(N)
y = map(lambda i: w[i] + x[i], I)
z = map(lambda i: w[i] - x[i], I)

方法B：

w = [1, -2, 5]
x = [0, 3, 2]
N = len(w)
I = range(N)
y, z = [], []
for i in I:
  y.append(w[i] + x[i])
  z.append(w[i] - x[i])

方法C：

w = [1, -2, 5]
x = [0, 3, 2]
y, z = [], []
for w_i, x_i in zip(w, x):
  y.append(w_i + x_i)
  z.append(w_i - x_i)

方法D：

w = [1, -2, 5]
x = [0, 3, 2]
N = len(w)
I = range(N)
(y, z) = transpose(map(lambda i: [w[i] + x[i], w[i] - x[i]], I))

D似乎是最简洁、可扩展和高效的。但它也是最难阅读的，特别是对于许多变量和复杂的公式

A是我最喜欢的，有一点重复，但是每个VARABLE构造一个循环是否效率较低？这不会扩展到大数据吗

B与C：我知道C更像Python，但B似乎更方便、更简洁，并且随着变量的增加，它的伸缩性更好。在这两种情况下，我讨厌额外的一行，我必须预先声明变量

---

总的来说，我并不完全满意上述任何一种方法。我的推理中缺少了什么东西，还是有更好的方法？

使用numpy。。。它执行C++中的操作，所以它快得多…（特别是如果我们假设您的数组远大于3个项目）

---

我认为@Beasley的建议很有效，我建议在其上使用

多处理

，以便并行生成输出。您的计算似乎完全可以并行化

我能提供的东西比不上这里讨论的技巧：

---

您考虑过使用吗？Python中的大多数科学计算都是在numpy中完成的。在numpy中，这将是

y=w+x；z=w-x

@senshin，为什么不

y，z=w+x，w-x

？@PadraicCunningham我是说，这有关系吗？他们都做同样的事情。@senshin，是的，一个是pythonic，另一个不是。@PadraicCunningham拜托，你知道我用了分号，因为你不能在评论中使用换行符。谢谢。这是一个赢家。如此简单和优雅。

w = numpy.array([1, -2, 5])
x = numpy.array([0, 3, 2])

y = w+x
z = w-x