同时循环三个列表：嵌套循环不起作用答案

【问题标题】：Loop over three lists simultaneously: nested loop not working同时循环三个列表：嵌套循环不起作用
【发布时间】：2017-08-17 20:45:31
【问题描述】：

我目前正在尝试同时循环三个列表：

list_weight = [0.9,0.3,0.6,0.4]
list_reliability = [0.8,0.5,0.2,0.8]
belief_CRED0 = [create_belief_matrix ('ACBA').iloc[0]] 

belief_CRED0
Out[40]: 
[1    0.562500
 2    0.562500
 3    0.391304
 4    0.391304
 Name: CRED0, dtype: float64]

首先我创建了一个嵌套循环：

for belief in belief_CRED0:
    for weight in list_weight:
        for reliability in list_reliability:
            m = [(1/(1+weight-reliability))*(weight*belief)]
print(m)

但结果完全关闭。所以我尝试这样做：

for belief, weight, reliability in zip(belief_CRED0, list_weight, list_reliability):
    m = [(1/(1+weight-reliability))*(weight*belief)]
print(m)

但结果也是错误的：

m
Out[42]: 
[1    0.460227
 2    0.460227
 3    0.320158
 4    0.320158
 Name: CRED0, dtype: float64]

从结果来看，循环似乎只使用了相应列表中的第一个权重和可靠性（权重 = 0.9 和可靠性 = 0.8）。

正确的输出应该是：

[1    0.460227
 2    0.210937
 3    0.16770171
 4    0.26086933

我该怎么办？

【问题讨论】：

在不知道 [create_belief_matrix ('ACBA').iloc[0]] 在做什么的情况下很难回答这个问题。
您的输出将永远是最后一个m 集。正确答案可能在循环的不同部分。
zip 的 for 循环中有一个错误 ...您说 m = [...] ...您应该将 m 作为一个空列表开始...和m.append((1/ ...))。那个嵌套循环是完全错误的。
你的变量 m 被重写每个内部循环。如果你总是使用等长的数组，那么你应该只使用一个索引，即：for i in range(4):

标签： python loops for-loop nested-loops

【解决方案1】：

zip 上的 for 循环中的小错误（顺便说一句，这是最好的方法）。累积结果...而不是一直分配给m。

m = []
for belief, weight, reliability in zip(belief_CRED0, list_weight, list_reliability):
    m.append(weight*belief/(1+weight-reliability))
print(m)

【讨论】：

感谢您提供此解决方案！我没想过从一个空列表开始工作。

【解决方案2】：

如果他们都是pandas.Series 或numpy.array 那么你可以直接这样做，例如：

>>> weight = pd.Series(list_weight, index=range(1, 5))
>>> reliability = pd.Series(list_reliability, index=range(1, 5))
>>> 1/(1+weight-reliability)*(weight*belief_CRED0)
1    0.460227
2    0.210937
3    0.167702
4    0.260869
dtype: float64

与numpy类似：

>>> weight = np.array(list_weight)
>>> reliability = np.array(list_reliability)
>>> 1/(1+weight-reliability)*(weight*belief_CRED0)
1    0.460227
2    0.210937
3    0.167702
4    0.260869
Name: CRED0, dtype: float64

【讨论】：

这真的很高效！我现在要更改我的代码以使用数组。谢谢！