我如何将这个嵌套的for循环编写为列表理解？
我正在处理 4D 数据集，其中有一个嵌套的 for 循环（4 个循环）。该for环路的作品，但它需要一段时间来运行：〜5分钟。我试图用列表理解来正确地写这个，但我对如何做到这一点感到困惑，因为我的嵌套循环：
data = np.random.rand(12, 27, 282, 375)
stdev_data = np.std(data, axis=1)
## nested for loop
count = []
for i in range(data.shape[0]):
for j in range(data.shape[1]):
for lat in range(data.shape[2]):
for lon in range(data.shape[3]):
count.append((data[i, j, lat, lon] < -1.282 * stdev_data[i, lat, lon]).sum(axis=0))
reshape_counts = np.reshape(count, data.shape)
这是我对列表理解的尝试：
i, j, lat, lon = data.shape[0], data.shape[1], data.shape[2], data.shape[3]
print(i, j, lat, lon)
test_list = [[(data < -1.282 * stdev_data).sum(axis=0) for lon in lat] for j in i]
我收到一条错误消息，指出“int”对象不可迭代。如何以列表理解的形式重写我的嵌套 for 循环以加快进程？
回答
鉴于您使用的是 numpy，我建议您利用这样一个事实，即它们的for循环是用 C 编写的，并且经常被优化。您最终仍将逐步浏览数据，但速度要快得多。这种方法称为矢量化。
在这种情况下，您试图制作一个布尔掩码，这可以说是简化了操作。请记住，.sum()您的表达式中的调用是一个红鲱鱼：您实际上是在对一个标量布尔值求和，它总是会给您零或一。
以下是如何-1.282在第二维中找到小于sigma 的点：
result = data < -1.282 * stdev_data[:, None, ...]
或者，你可以做
result = data < -1.282 * stdev_data.reshape(stdev_data.shape[0], 1, *stdev_data.shape[1:])
或者
result = data < -1.282 * np.reshape(stdev_data, stdev_data.shape[:1] + (1,) + stdev_data.shape[1:])
一个更简单的解决方案是从一开始就传递keepdims=True给np.std：
result = data < -1.282 * np.std(data, axis=1, keepdims=True)
keepdims=True确保 的输出std具有形状(12, 1, 282, 375)而不仅仅是(12, 282, 375)，因此您无需自己重新插入尺寸。
现在，如果您真的想计算您的问题似乎暗示的计数，您可以result沿着第二个维度对掩码求和：
counts = result.sum(axis=1)
最后，完全按照说明回答您的实际问题：for循环直接转化为列表推导式。在您的情况下，这意味着for理解中有四个s，完全按照您最初拥有它们的顺序：
[data[i, j, lat, lon] < -1.282 * stdev_data[i, lat, lon]
for i in range(data.shape[0])
for j in range(data.shape[1])
for lat in range(data.shape[2])
for lon in range(data.shape[3])]
由于推导式被方括号包围，您可以像我所做的那样将它们的内容自由地写在单独的行上，尽管这当然不是必需的。请注意，唯一真正的区别是内容append在前，并且没有冒号。而且，那个红鲱鱼sum也不见了。