如何在python中使用另一个列表上的一个列表运行模条件

Question

我只使用 python 大约 2 周，需要一些帮助。我正在尝试在两个不同大小的列表之间使用 mod (%) 函数。

n = 23 #user input, starting point for the code
listp = [2, 3, 5, 7, 11, 13]
listr = list(range((n-1)**2, n**2+1, 2))
listb = list(listr)  #I need to remove items from listr but if i do, it 
                     #crashes so I decided to copy it to listb in order to manipulate it

for k in listr:
    for i in listp[1:]:
        if k%i == 0:
            if k in listb:
                listb.remove(k)

这可行，但速度很慢，我想直接操作 listr 并且可以单独操作：

listr = [k for k in listr if i%listp[1] !=0]
listr = [k for k in listr if i%listp[2] !=0] 

底线是我想在 listr 中的每个 k 元素上使用 % 函数，使用 listp 中的每个 i 元素，并且只保留 listr 中的那些元素 !=0;我试过使用 numpy 和一个数组，但这也无济于事

Answer 1

您可以从找到any 这样的值的那一刻起停止。所以替换：

for k in listr:
    for i in listp[1:]:
        if k%i == 0:
            if k in listb:
                listb.remove(k)

与：

for k in listr:
    if any(k%i == 0 for i in listp[1:]):
        listb.remove(k)

这已经产生了一些加速。但是list.remove 很慢，它可以在 O(n) 中运行。所以现在我们可以把它变成列表理解：

listr = [k for k in listr <b>if not any(k%i == 0 for i in listp[1:])</b>]

如果没有这样的模数条件，我们将数字添加到新的listr 列表中。 not any(p(x) for x in X) 可以重写为 all(not p(x) for x in X)，所以我们可以在这里应用：

listr = [k for k in listr if <b>all(k%i != 0</b> for i in listp[1:])]

此外，我们还可以通过列出listp1 来节省一些周期：

listp1 = listp[1:]
listr = [k for k in listr if all(k%i != 0 for i in listp1)]

因为现在我们只构建一个新列表一次。最后我们可以删除!= 0，因为整数的真实性是True，当且仅当值不等于0：

listp1 = listp[1:]
listr = [k for k in listr if all(k%i for i in listp1)]

请注意，有比 埃拉托色尼筛法更快的方法。

Answer 2

为了更快的操作，您可以尝试使用pandas，它在后台使用 numpy 并“将工作推到 C 级别”。看arange

然后创建一个函数来完成您想要的工作，并将 apply 它用于您的 panda 数据结构的所有条目并捕获它：类似于

final _list = pandas_struct.apply(function)

您可以玩的一些示例如下： 多快可以接受？

import numpy as np
import pandas as pd

n=23
first = np.array([2, 3, 5, 7, 11, 13])
second = np.arange((n-1)**2, n**2+1, 2)
pand_second=pd.Series(second)

def modme(num,div):
    if num % div  == 0:
        return num,'mod ok by',div

[9]: pand_second.apply(modme, args=(3,))
Out[9]: 
0                    None
1     (486, mod ok by, 3)
2                    None
3                    None
4     (492, mod ok by, 3)
5                    None
6                    None
7     (498, mod ok by, 3)
8                    None
9                    None
10    (504, mod ok by, 3)
11                   None
12                   None
13    (510, mod ok by, 3)
14                   None
15                   None
16    (516, mod ok by, 3)
17                   None
18                   None
19    (522, mod ok by, 3)
20                   None
21                   None
22    (528, mod ok by, 3)
dtype: object


%timeit pand_second.apply(modme, args=(3,))
81.3 µs ± 201 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

或者根本不使用 pandas :):

import numpy as np

n=23
first = np.array([2, 3, 5, 7, 11, 13])
second = np.arange((n-1)**2, n**2+1, 2)

In [11]: [ second[ second % x == 0 ] for x in first ]
Out[11]: 
[array([484, 486, 488, 490, 492, 494, 496, 498, 500, 502, 504, 506, 508,
        510, 512, 514, 516, 518, 520, 522, 524, 526, 528]),
 array([486, 492, 498, 504, 510, 516, 522, 528]),
 array([490, 500, 510, 520]),
 array([490, 504, 518]),
 array([484, 506, 528]),
 array([494, 520])]


%timeit [ second[ second % x == 0 ] for x in first ]
15.6 µs ± 25.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)