my_list1 = [30,34,56]
my_list2 = [29,500,43]

如何检查列表中的所有值是否均> = 30？my_list1应该工作，my_list2而不应该。

我唯一想到的是：

boolean = 0
def func(ls):
    for k in ls:
        if k >= 30:
            boolean = boolean + 1
        else:
            boolean = 0
    if boolean > 0:
        print 'Continue'
    elif boolean = 0:
        pass

2016年更新：

事后看来，在处理速度实际上很重要的更大数据集并利用numpy...之后，我会这样做：

>>> my_list1 = [30,34,56]
>>> my_list2 = [29,500,43]

>>> import numpy as np
>>> A_1 = np.array(my_list1)
>>> A_2 = np.array(my_list2)

>>> A_1 >= 30
array([ True,  True,  True], dtype=bool)
>>> A_2 >= 30
array([False,  True,  True], dtype=bool)

>>> ((A_1 >= 30).sum() == A_1.size).astype(np.int)
1
>>> ((A_2 >= 30).sum() == A_2.size).astype(np.int)
0

您还可以执行以下操作：

len([*filter(lambda x: x >= 30, my_list1)]) > 0

将此all()函数与生成器表达式一起使用：

>>> my_list1 = [30, 34, 56]
>>> my_list2 = [29, 500, 43]
>>> all(i >= 30 for i in my_list1)
True
>>> all(i >= 30 for i in my_list2)
False

请注意，此测试的大于或等于30，否则my_list1也不会通过测试。

如果要在函数中执行此操作，请使用：

def all_30_or_up(ls):
    for i in ls:
        if i < 30:
            return False
    return True

例如，一旦找到一个证明该值小于30的值，便返回False，True如果没有发现相反的证据，则返回。

同样，您可以使用该any()函数测试是否至少有一个值与条件匹配。

...您无法使用的任何原因min()？

def above(my_list, minimum):
    if min(my_list) >= minimum:
        print "All values are equal or above", minimum
    else:
        print "Not all values are equal or above", minimum

我不知道这是否正是您想要的，但是从技术上讲，这就是您要的...

有一个内置函数all：

all (x > limit for x in my_list)

限制值大于所有数字必须为的值。

您可以使用all()：

my_list1 = [30,34,56]
my_list2 = [29,500,43]
if all(i >= 30 for i in my_list1):
    print 'yes'
if all(i >= 30 for i in my_list2):
    print 'no'

请注意，这包括等于或大于30的所有数字，严格不超过30。

就大型阵列的速度而言，使用np.sum，np.min和所有参数之间的总赢家似乎是np.min：

N = 1000000
def func_sum(x):
    my_list = np.random.randn(N)
    return np.sum(my_list < x )==0

def func_min(x):
    my_list = np.random.randn(N)
    return np.min(my_list) >= x

def func_all(x):
    my_list = np.random.randn(N)
    return all(i >= x for i in my_list)

（我需要将np.array定义放入函数内，否则np.min函数会记住该值，并且在使用timeit进行速度测试时不会再次执行计算）

“ all”的性能在很大程度上取决于何时找到不满足标准的第一个元素，np.sum需要进行一些操作，在一般情况下，np.min在计算方面最轻。

当几乎立即满足条件并且all循环快速退出时，all函数的收益略高于np.min：

>>> %timeit func_sum(10)
10 loops, best of 3: 36.1 ms per loop

>>> %timeit func_min(10)
10 loops, best of 3: 35.1 ms per loop

>>> %timeit func_all(10)
10 loops, best of 3: 35 ms per loop

但是，当“所有”都需要经过所有要点时，这肯定会更糟，并且np.min会获胜：

>>> %timeit func_sum(-10)
10 loops, best of 3: 36.2 ms per loop

>>> %timeit func_min(-10)
10 loops, best of 3: 35.2 ms per loop

>>> %timeit func_all(-10)
10 loops, best of 3: 230 ms per loop

但是使用

np.sum(my_list<x)

一个非常想知道的是x之下有多少个值可能非常有用。

您可以执行以下操作：

def Lists():

    my_list1 = [30,34,56]
    my_list2 = [29,500,43]

    for element in my_list1:
        print(element >= 30)

    for element in my_list2:
        print(element >= 30)

Lists()

这将返回大于30的值为True，较小的值为false。

我写这个功能

def larger(x, than=0):
    if not x or min(x) > than:
        return True
    return False

然后

print larger([5, 6, 7], than=5)  # False
print larger([6, 7, 8], than=5)  # True
print larger([], than=5)  # True
print larger([6, 7, 8, None], than=5)  # False

min（）上的空列表将引发ValueError。所以我加if not x了条件。