现在,我将 vector3 值表示为列表。有没有办法减去其中的 2 个,比如 vector3 值,比如
[2,2,2] - [1,1,1] = [1,1,1]
我应该使用元组吗?
如果它们都没有在这些类型上定义这些操作数,我可以定义它吗?
如果没有,我应该创建一个新的 vector3 类吗?
这是列表推导的替代方法。Map 遍历列表(后面的参数),同时进行,并将它们的元素作为参数传递给函数(第一个参数)。它返回结果列表。
import operator
map(operator.sub, a, b)
这段代码因为语法较少(这对我来说更美观),而且显然它对于长度为 5 的列表要快 40%(参见 bobince 的评论)。不过,任何一种解决方案都可以。
如果您的列表是 a 和 b,您可以执行以下操作:
map(int.__sub__, a, b)
但你可能不应该。没有人会知道这意味着什么。
import numpy as np
a = [2,2,2]
b = [1,1,1]
np.subtract(a,b)
如果您有两个名为“a”和“b”的列表,您可以执行以下操作:[m - n for m,n in zip(a,b)]
稍有不同的 Vector 类。
class Vector( object ):
def __init__(self, *data):
self.data = data
def __repr__(self):
return repr(self.data)
def __add__(self, other):
return tuple( (a+b for a,b in zip(self.data, other.data) ) )
def __sub__(self, other):
return tuple( (a-b for a,b in zip(self.data, other.data) ) )
Vector(1, 2, 3) - Vector(1, 1, 1)
如果您计划执行的不仅仅是简单的单行,最好实现自己的类并覆盖适用于您的案例的适当运算符。
取自Python 中的数学:
class Vector:
def __init__(self, data):
self.data = data
def __repr__(self):
return repr(self.data)
def __add__(self, other):
data = []
for j in range(len(self.data)):
data.append(self.data[j] + other.data[j])
return Vector(data)
x = Vector([1, 2, 3])
print x + x
对于曾经在 Pycharm 上编写代码的人来说,它也可以让其他人恢复活力。
import operator
Arr1=[1,2,3,45]
Arr2=[3,4,56,78]
print(list(map(operator.sub,Arr1,Arr2)))
map
Python 中的和函数的组合lambda
很好的解决了这类问题:
a = [2,2,2]
b = [1,1,1]
map(lambda x,y: x-y, a,b)
zip
函数是另一个不错的选择,正如@UncleZeiv 所证明的那样
已经提出了许多解决方案。
如果对速度感兴趣,这里是关于速度的不同解决方案的回顾(从最快到最慢)
import timeit
import operator
a = [2,2,2]
b = [1,1,1] # we want to obtain c = [2,2,2] - [1,1,1] = [1,1,1
%timeit map(operator.sub, a, b)
176 ns ± 7.18 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit map(int.__sub__, a, b)
179 ns ± 4.95 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit map(lambda x,y: x-y, a,b)
189 ns ± 8.1 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit [a_i - b_i for a_i, b_i in zip(a, b)]
421 ns ± 18.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit [x - b[i] for i, x in enumerate(a)]
452 ns ± 17.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each
%timeit [a[i] - b[i] for i in range(len(a))]
530 ns ± 16.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit list(map(lambda x, y: x - y, a, b))
546 ns ± 16.1 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit np.subtract(a,b)
2.68 µs ± 80.9 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit list(np.array(a) - np.array(b))
2.82 µs ± 113 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit np.matrix(a) - np.matrix(b)
12.3 µs ± 437 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
使用map
显然是最快的。令人惊讶的是,numpy
是最慢的。事实证明,首先将列表转换为数组的成本a
是b
一个numpy
瓶颈,它超过了向量化带来的任何效率提升。
%timeit a = np.array([2,2,2]); b=np.array([1,1,1])
1.55 µs ± 54.9 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
a = np.array([2,2,2])
b = np.array([1,1,1])
%timeit a - b
417 ns ± 12.8 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
arr1=[1,2,3]
arr2=[2,1,3]
ls=[arr2-arr1 for arr1,arr2 in zip(arr1,arr2)]
print(ls)
>>[1,-1,0]
这个答案显示了如何编写“正常/易于理解”的 pythonic 代码。
我建议不要使用zip
,因为并不是每个人都知道它。
解决方案使用列表推导和常见的内置函数。
a = [2, 2, 2]
b = [1, 1, 1]
result = [a[i] - b[i] for i in range(len(a))]
推荐,因为它只使用 Python 中最基本的函数
a = [2, 2, 2]
b = [1, 1, 1]
result = [x - b[i] for i, x in enumerate(a)]
a = [2, 2, 2]
b = [1, 1, 1]
result = list(map(lambda x, y: x - y, a, b))
使用 for 循环
a = [3,5,6]
b = [3,7,2]
c = []
for i in range(len(a)):
c.append(a[i] - b[i])
print(c)
输出 [0, -2, 4]
好简单
list1=[1,2,3,4,5]
list2=[1,2]
list3=[]
# print(list1-list2)
for element in list1:
if element not in list2:
list3.append(element)
print(list3)
试试这个:
list(array([1,2,3])-1)