具有比较条件的列表理解内的列表理解

Question

我有一个这样的列表，

 sl=[[1,2,100],[2,100,4],[100,4,5],[4,5,6],[5,6,200],[6,200,7],[200,7,8],[7,8,300],[8,300,9]]

现在我想找到那些元素大于平均值的元素并将其存储到列表中。

所以，列表看起来像，

  [[100],[100],[100],[],[200],[200],[200],[300]]

我可以使用 for 循环来完成，代码如下，

indices=[]
for i in sl:
    indices.append([j for j in i if (j>(np.mean(i))])

但是执行时间长执行。 我想使用 for 循环并使用某种列表理解来完成相同的任务。

有什么办法可以做到最有效的执行时间？

Answer 1

您应该在每个循环中只计算一次平均值。 这应该会有所改善：

indices = []
for i in sl:
  mean = np.mean(i)
  indices.append([j for j in i if j > mean])

我不认为将整个事情转换为嵌套列表理解会有帮助，因为我们想在最内层循环之外提取均值计算。

Answer 2

对于规则形状的列表，即内部嵌套级别每个列表的元素数量相同，我们可以使用 NumPy 工具来卸载计算部分，就像这样 -

a = np.array(sl)
m = a>a.mean(1,keepdims=True)
idx = np.r_[0,m.sum(1).cumsum()]
f = a[m].tolist()
out = [f[i:j] for (i,j)in zip(idx[:-1],idx[1:])]

这将有利于sl中的大量条目，即大len(sl) 。

Answer 3

您可以将所有内容都放在一个列表理解中，避免循环，获得一些性能：

means = map(np.mean, sl)
indices = [list(filter(lambda x: x > m, l)) for l, m in zip(sl, means)]

Answer 4

你也可以这样做：

sl=[[1,2,100],[2,100,4],[100,4,5],[4,5,6],[5,6,200],[6,200,7],[200,7,8],[7,8,300],[8,300,9]]

sl = np.array(sl)

# List of elements satisfying the condition
elem_list = [sl[i][m].tolist() for i,m in enumerate((sl.T>sl.mean(axis=1)).T)]

# List of index for which the respective elements satisfy the condition
index_list = [np.where(m)[0].tolist() for m in (sl.T>sl.mean(axis=1)).T]

结果是：

elem_list
[[100], [100], [100], [6], [200], [200], [200], [300], [300]]

index_list
[[2], [1], [0], [2], [2], [1], [0], [2], [1]]