我正在尝试加快以下 python 代码的速度：
for j in range(4,len(var_s),3):
mag_list.append(float(var_s[j]))
mag_list = [value for value in mag_list if value != 99.]
med_mag = np.median(mag_list)
有没有一种很好的方法可以将两个 for 循环合二为一？这种方式，真的很慢。我需要的是从 var_s 列表中提取每三个条目，从五分之一开始，如果该条目的值不等于 99。在结果列表中，我需要中位数。谢谢！
您可能可以尝试：
mag_list = [value for value in var_s[4::3] if value != 99.]
取决于var_s，您可能会更好地使用itertools.islice(var_s,4,None,3)，但这肯定需要定时知道。
如果你一直坚持使用 numpy，也许你会做得更好：
vs = np.array(var_s[4::3],dtype=np.float64) #could slice after array conversion too ...
med_mag = np.median(vs[vs!=99.])
同样，这需要定时查看它相对于其他的表现如何。
mag_list = filter(lambda x: x != 99, var_s[4::3])
好的，这里有一些timeit试验，都在 Python 2.7.2 中：
设置：
>>> from random import seed, random
>>> from timeit import Timer
>>> from itertools import islice, ifilter, imap
>>> seed(1234); var_s = [random() for _ in range(100)]
使用 for 循环：
>>> def using_for_loop():
... mag_list = []
... for j in xrange(4, len(var_s), 3):
... value = float(var_s[j])
... if value != 99: mag_list.append(value)
...
>>> Timer(using_for_loop).timeit()
11.596584796905518
使用地图和过滤器：
>>> def using_map_filter():
... map(float, filter(lambda x: x != 99, var_s[4::3]))
...
>>> Timer(using_map_filter).timeit()
8.643505096435547
使用 islice、imap、ifilter：
>>> def using_itertools():
... list(imap(float, ifilter(lambda x: x != 99, islice(var_s, 4, None, 3))))
...
>>> Timer(using_itertools).timeit()
11.311019897460938
使用列表推导和 islice：
>>> def using_list_comp():
... [float(v) for v in islice(var_s, 4, None, 3) if v != 99]
...
>>> Timer(using_list_comp).timeit()
8.52650499343872
>>>
总之，使用带有 islice 的列表推导是最快的，其次是使用 map 和 filter 稍慢一些。
for j in range(4,len(var_s),3):
value = float(var_s[j])
if value != 99:
mag_list.append(value)
med_mag = np.median(mag_list)