Answers:
Python 3:使用functools.reduce
:
>>> from functools import reduce
>>> reduce(lambda x, y: x*y, [1,2,3,4,5,6])
720
Python 2:使用reduce
:
>>> reduce(lambda x, y: x*y, [1,2,3,4,5,6])
720
为了与2和3兼容,请使用pip install six
:
>>> from six.moves import reduce
>>> reduce(lambda x, y: x*y, [1,2,3,4,5,6])
720
lambda
平均重复数为.02s / 1000,而operator.mul
平均重复数为.009s / 1000,operator.mul
加快了一个数量级。
operator.mul
直接转到C.
math.prod([1,2,3,4,5,6])
。(需要导入课程)
您可以使用:
import operator
import functools
functools.reduce(operator.mul, [1,2,3,4,5,6], 1)
有关说明,请参见reduce
和operator.mul
文档。
您需要import functools
Python 3+中的代码行。
reduce()
函数已从全局名称空间中删除,并放置在functools
模块中。因此,在python3中,您需要说from functools import reduce
。
我会使用numpy.prod
来执行任务。见下文。
import numpy as np
mylist = [1, 2, 3, 4, 5, 6]
result = np.prod(np.array(mylist))
result = np.prod(mylist)
numpy.int32
上面 的默认值时2)对于小列表,这会明显变慢,因为NumPy需要分配一个数组(如果经常重复,则是相关的)
np.prod(np.array(range(1,21)))
reduce
。
如果要避免导入任何内容并避免使用更复杂的Python区域,则可以使用简单的for循环
product = 1 # Don't use 0 here, otherwise, you'll get zero
# because anything times zero will be zero.
list = [1, 2, 3]
for x in list:
product *= x
从开始Python 3.8
,.prod
函数已经包含math
在标准库的模块中:
math.prod(iterable, *, start=1)
该方法返回一个start
值(默认值:1)乘以数字可迭代的乘积:
import math
math.prod([1, 2, 3, 4, 5, 6])
>>> 720
如果iterable为空,则将产生1
(或start
提供值,如果提供)。
这是我机器上的一些性能指标。与在长时间运行的循环中对较小的输入执行此操作有关:
import functools, operator, timeit
import numpy as np
def multiply_numpy(iterable):
return np.prod(np.array(iterable))
def multiply_functools(iterable):
return functools.reduce(operator.mul, iterable)
def multiply_manual(iterable):
prod = 1
for x in iterable:
prod *= x
return prod
sizesToTest = [5, 10, 100, 1000, 10000, 100000]
for size in sizesToTest:
data = [1] * size
timerNumpy = timeit.Timer(lambda: multiply_numpy(data))
timerFunctools = timeit.Timer(lambda: multiply_functools(data))
timerManual = timeit.Timer(lambda: multiply_manual(data))
repeats = int(5e6 / size)
resultNumpy = timerNumpy.timeit(repeats)
resultFunctools = timerFunctools.timeit(repeats)
resultManual = timerManual.timeit(repeats)
print(f'Input size: {size:>7d} Repeats: {repeats:>8d} Numpy: {resultNumpy:.3f}, Functools: {resultFunctools:.3f}, Manual: {resultManual:.3f}')
结果:
Input size: 5 Repeats: 1000000 Numpy: 4.670, Functools: 0.586, Manual: 0.459
Input size: 10 Repeats: 500000 Numpy: 2.443, Functools: 0.401, Manual: 0.321
Input size: 100 Repeats: 50000 Numpy: 0.505, Functools: 0.220, Manual: 0.197
Input size: 1000 Repeats: 5000 Numpy: 0.303, Functools: 0.207, Manual: 0.185
Input size: 10000 Repeats: 500 Numpy: 0.265, Functools: 0.194, Manual: 0.187
Input size: 100000 Repeats: 50 Numpy: 0.266, Functools: 0.198, Manual: 0.185
您会看到Numpy在较小的输入上要慢得多,因为它在执行乘法之前会分配一个数组。另外,请注意Numpy中的溢出。
multiply_functools
,并multiply_numpy
具有以查找被拖累np
,functools
以及operator
全局,其次属性查找。您介意切换到当地人吗?_reduce=functools.reduce,
_mul = operator.mul`在函数签名然后return _reduce(_mul, iterable)
在体内,等等
np.prod()
选项启动速度最快达到100个元素或更多。
我个人对将通用列表的所有元素相乘的函数喜欢这样:
def multiply(n):
total = 1
for i in range(0, len(n)):
total *= n[i]
print total
它紧凑,使用简单的东西(变量和for循环),并且对我来说很直观(看起来就像我对问题的看法,只用一个,乘以它,然后乘以下一个,依此类推! )
for i in n:
,那么total *= i
?会不会简单得多?
我想通过以下方式:
def product_list(p):
total =1 #critical step works for all list
for i in p:
total=total*i # this will ensure that each elements are multiplied by itself
return total
print product_list([2,3,4,2]) #should print 48
我的解决方案:
def multiply(numbers):
a = 1
for num in numbers:
a *= num
return a
pass
'''了解循环逻辑使用的唯一简单方法'''
对膝中的i而言,lap = [2,5,7,7,9] x = 1:x = i * x print(x)
很简单,不导入任何内容。这是我的代码。这将定义一个将列表中所有项目相乘并返回其乘积的函数。
def myfunc(lst):
multi=1
for product in lst:
multi*=product
return product