带有累加器的列表理解答案

【问题标题】：List comprehension with an accumulator带有累加器的列表理解
【发布时间】：2013-11-26 16:24:15
【问题描述】：

使用列表推导（或其他紧凑方法）复制这个简单函数的最佳方法是什么？

import numpy as np

sum=0
array=[]
for i in np.random.rand(100):
   sum+=i
   array.append(sum)

【问题讨论】：

你在使用 numpy 吗？我知道 numpy 对这样的事情有一个很好的功能。
我不会使用列表推导 - 元素应该相互独立，在这种情况下它们不是。
你为什么要把它变成一个列表理解？将其保存在单独的循环中更具可读性。改成array = [0]，for i in rand(100): array.append(i + array[-1])，也许吧。
这个和stackoverflow.com/questions/13221896/…一样吗？
我的意思是 rand(100)。我一直在使用 numpy，但是没有的解决方案也很好。

标签： python list-comprehension

【解决方案1】：

在 Python 3 中，您将使用 itertools.accumulate():

from itertools import accumulate

array = list(accumulate(rand(100)))

Accumulate 产生将输入迭代的值相加的运行结果，从第一个值开始：

>>> from itertools import accumulate
>>> list(accumulate(range(10)))
[0, 1, 3, 6, 10, 15, 21, 28, 36, 45]

你可以传入不同的操作作为第二个参数；这应该是一个可调用的，它接受累积的结果和下一个值，返回新的累积结果。 operator module 非常有助于为此类工作提供标准的数学运算符；你可以用它来产生一个正在运行的乘法结果，例如：

>>> import operator
>>> list(accumulate(range(1, 10), operator.mul))
[1, 2, 6, 24, 120, 720, 5040, 40320, 362880]

该功能很容易向后移植到旧版本（Python 2、Python 3.0 或 3.1）：

# Python 3.1 or before

import operator

def accumulate(iterable, func=operator.add):
    'Return running totals'
    # accumulate([1,2,3,4,5]) --> 1 3 6 10 15
    # accumulate([1,2,3,4,5], operator.mul) --> 1 2 6 24 120
    it = iter(iterable)
    total = next(it)
    yield total
    for element in it:
        total = func(total, element)
        yield total

【讨论】：

这个可行，但我一直在寻找类似列表理解的紧凑用途——比如在 ipython 命令行上。
@Pierz：我在accumulate() 迭代器上使用了list()，为您提供了一个快速的值列表。你仍然可以在列表理解中使用它，[v for v in accumulate(rand(100))];但是，您不能使用 just 列表理解来执行此操作，因为您无权访问到目前为止生成的先前元素。
的确，这是一种优雅的方法，但我不确定是否有一种巧妙的方法可以在列表理解中获得累计总和。同意这可能不是最佳实践，但在命令行上工作时使用紧凑形式很方便。

【解决方案2】：

由于您已经在使用numpy，您可以使用cumsum：

>>> from numpy.random import rand
>>> x = rand(10)
>>> x
array([ 0.33006219,  0.75246128,  0.62998073,  0.87749341,  0.96969786,
        0.02256228,  0.08539008,  0.83715312,  0.86611906,  0.97415447])
>>> x.cumsum()
array([ 0.33006219,  1.08252347,  1.7125042 ,  2.58999762,  3.55969548,
        3.58225775,  3.66764783,  4.50480095,  5.37092001,  6.34507448])

【讨论】：

【解决方案3】：

好的，你说你不想要numpy，但无论如何这是我的解决方案。在我看来，您只是在取累积和，因此使用 cumsum() 函数。

import numpy as np
result = np.cumsum(some_array)

随便举个例子

result = np.cumsum(np.random.uniform(size=100))

【讨论】：