使用列表理解替换整周的for循环

Question

如何使用更高效的列表推导或类似替换以下for循环？ Numpy和Pandas不是一个选项，因为它们没有安装在客户端系统上，但也许itertools可能有用吗？

n_day_cells      = 24*60/240
week_matrix      = list()

for i in range(7):
    for j in range(n_day_cells):
        week_matrix.append([i,j,0])

编辑：对不起，我或许应该更具体一点。 我使用的是Python 2.7，没有其他软件包，而不是像itertools这样的“核心”软件包。 此代码需要在我的脚本中运行〜1M-1B次。

Answer 1

你可以通过使用：

week_matrix = [[i,j,0] for i in range(7) for j in range(n_day_cells)]

如果您的范围更大并且您使用的是Python2，则可能需要使用xrange而不是range来获取迭代器。

---

如果您真的想节省更多时间，请使用xrange，并创建元组列表而不是列表列表（Python2中的所有示例）：

In [3]: %timeit [[i,j,0] for i in range(7) for j in range(n_day_cells)]
100000 loops, best of 3: 6.51 µs per loop

In [4]: %timeit [(i,j,0) for i in range(7) for j in range(n_day_cells)]
100000 loops, best of 3: 4.6 µs per loop

In [5]: %timeit [(i,j,0) for i in xrange(7) for j in xrange(n_day_cells)]
100000 loops, best of 3: 4.09 µs per loop

即使您想将它用作生成器，上面的最后一个应该是最快的选择：

week_matrix = ((i,j,0) for i in xrange(7) for j in xrange(n_day_cells))

---

地图提供的另一个答案虽然有趣，但由于重复调用lambda并调用map ，因此会产生更多开销：

In [6]: %timeit map(lambda x: [x//6, x%6, 0], xrange(n_day_cells*7))
100000 loops, best of 3: 10.6 µs per loop

Answer 2

使用map构建列表。

n_day_cells = 24*60/240
map(lambda x: [x//n_day_cells, x%n_day_cells, 0], xrange(n_day_cells*7))

或者使用itertools一种方式。

import itertools
a = itertools.imap(lambda x: [x//n_day_cells, x%n_day_cells, 0], xrange(n_day_cells*7))

需要值时将消耗时间。 不会消耗明显的记忆。