列表清单的总和; 返回总和列表

Alb*_*ert 24 python sum list matrix

data = [[3,7,2],[1,4,5],[9,8,7]]

假设我想对列表中每个列表的索引的元素求和,比如在矩阵列中添加数字以获得单个列表.我假设数据中的所有列表长度相等.

    print foo(data)

   [[3,7,2],
    [1,4,5],
    [9,8,7]]
    _______
 >>>[13,19,14]
Run Code Online (Sandbox Code Playgroud)

如何迭代列表列表而不会使索引超出范围错误?也许lambda?谢谢!

Roc*_*key 63

你可以试试这个:

In [9]: l = [[3,7,2],[1,4,5],[9,8,7]]

In [10]: [sum(i) for i in zip(*l)]
Out[10]: [13, 19, 14]
Run Code Online (Sandbox Code Playgroud)

这里使用的组合zip*解压的列表,然后根据自己的索引压缩的项目.然后,您使用列表推导来迭代相似索引的组,对它们求和并返回其"原始"位置.

为了让它更清晰一点,以下是迭代时会发生的事情zip(*l):

In [13]: for i in zip(*l):
   ....:     print i
   ....:     
   ....:     
(3, 1, 9)
(7, 4, 8)
(2, 5, 7)
Run Code Online (Sandbox Code Playgroud)

在这种不相等长度的列表的情况下,可以使用itertools.izip_longest具有fillvalue0-这与基本罢了,缺少指数0,让你来总结所有的"列":

In [1]: import itertools

In [2]: l = [[3,7,2],[1,4],[9,8,7,10]]

In [3]: [sum(i) for i in itertools.izip_longest(*l, fillvalue=0)]
Out[3]: [13, 19, 9, 10]
Run Code Online (Sandbox Code Playgroud)

在这种情况下,迭代的内容izip_longest如下所示:

In [4]: for i in itertools.izip_longest(*l, fillvalue=0):
   ...:     print i
   ...:     
(3, 1, 9)
(7, 4, 8)
(2, 0, 7)
(0, 0, 10)
Run Code Online (Sandbox Code Playgroud)

  • 或者`map(sum,zip(*l))`(这是我最喜欢的). (2认同)

The*_*uni 11

对于任何矩阵(或其他雄心勃勃的数字)操作,我建议调查NumPy.

用于求解问题中所示轴的数组之和的样本将是:

>>> from numpy import array
>>> data = array([[3,7,2],
...     [1,4,5],
...     [9,8,7]])
>>> from numpy import sum
>>> sum(data, 0)
array([13, 19, 14])
Run Code Online (Sandbox Code Playgroud)

这是numpy的sum函数文档:http://docs.scipy.org/doc/numpy/reference/generated/numpy.sum.html#numpy.sum

尤其是第二个参数很有意思,因为它允许轻松指定应该总结的内容:所有元素或仅可能是n维数组的特定轴(如).


MyS*_*ddy 10

这将为您提供每个子列表的总和

data = [[3,7,2],[1,4],[9,8,7,10]]
list(map(sum, data))
[12, 5, 34]
Run Code Online (Sandbox Code Playgroud)

如果你想总结所有元素并得到一个总和,那么使用它

data = [[3,7,2],[1,4],[9,8,7,10]]
sum(sum(data, []))
51
Run Code Online (Sandbox Code Playgroud)

  • `sum([[1,2],[3,4]],[])` 的结果是 `[1, 2, 3, 4]`。所以,很明显, sum 的额外参数是告诉它一些关于如何求和的信息。实际上,python 中的 list + list 只是附加列表。然后第二个和只是对组合列表求和。为了提高性能,我仍然更喜欢地图解决方案,但这在某种程度上很简单且具有 Python 风格。 (2认同)