小编Jer*_*ang的帖子

看来我的数据格式为NumPy数组列表(type() = np.ndarray):

[array([[ 0.00353654]]), array([[ 0.00353654]]), array([[ 0.00353654]]), 
array([[ 0.00353654]]), array([[ 0.00353654]]), array([[ 0.00353654]]), 
array([[ 0.00353654]]), array([[ 0.00353654]]), array([[ 0.00353654]]), 
array([[ 0.00353654]]), array([[ 0.00353654]]), array([[ 0.00353654]]),
array([[ 0.00353654]])]

我想把它变成一个polyfit函数:

m1 = np.polyfit(x, y, deg=2)

但是,它返回错误: TypeError: expected 1D vector for x

我假设我需要将我的数据展平为:

[0.00353654, 0.00353654, 0.00353654, 0.00353654, 0.00353654, 0.00353654 ...]

我已经尝试了列表理解,它通常适用于列表列表,但是这正如预期的那样无效:

[val for sublist in risks for val in sublist]

最好的方法是什么？

在哪些情况下哪个更有效？在某些情况下，哪一个根本无法工作？

我试图使一些通用代码更有效，并且很好奇哪个更好，因为据我所知，它们不能结合使用。

以供参考：

library(doParallel)
library(foreach)

foreach (i = list) %dopar% {
...
}

对比

library(parallel)

parLapply(cl, X = list, fun = function)