python - 对列表的成员进行操作

Question

我有一个数字列表。

L1=[12,32,21,......]

我需要对每个成员执行以下测试，最多容忍 2 次失败 - 不能再多了。

注意:该功能是说明性的(不是实际的)- 目的是测试每个成员并将失败的成员作为列表返回。
同样为了性能起见，这个想法是一旦失败超过 2 就中止。

def isgreaterthan10(self,x):
    if x<10:
        return false
    else:
        return true

所以我执行以下操作。

def evaluateList(L1):
    Failedlist=list()
    Failures=0
    for x in L1:
        if not isgreaterthan10(x):
            Failedlist.add(x)
            Failures+=1
            if Failures>2:
                return (False,[])
    return (True,Failedlist)

但我相信这可以通过更高效的“pythonic”方式完成，因为性能非常重要。将不胜感激任何帮助实现同样的目标。
我在 Python 2.6.5

Answer 1

如果性能是关键，我会使用 numpy(或 scipy)对其进行矢量化。

>>> import numpy
>>> L1 = [47, 92, 65, 25, 44, 8, 74, 42, 48, 56, 74, 5, 60, 84, 88, 16, 69, 87, 9, 82, 69, 82, 40, 49, 1, 45, 93, 70, 22, 40, 97, 49, 95, 34, 28, 91, 79, 9, 32, 91, 41, 22, 36, 2, 57, 69, 81, 73, 7, 71]
>>> arr = numpy.array(L1)
>>> count_of_num_greater_than_10 = numpy.sum(arr > 10)
>>> num_greater_than_10 <= 2
False

当然，它不会短路，所以如果您很早就有两个错误陈述，它会计算其余部分。

计时结果。

简单的计时测试，使用 1 到 100 的随机 1000 个元素列表进行 1000 次迭代(在启动计时器之前完成数组创建的设置)，表明矢量化方法快了 100 多倍。

>>> import timeit
>>> timeit.timeit('sum([n>10 for n in L1])>=2', 
      setup='import numpy; L1=list(numpy.random.randint(1,100,1000))', 
      number=1000)
2.539483070373535
>>> timeit.timeit('numpy.sum(L1>10)>=2', 
      setup='import numpy; L1=numpy.random.randint(1,100,1000)', 
      number=1000)
0.01939105987548828

如果你想要失败的成员，没那么难；你可以找到不大于 10 的数字:

>>> list(arr[numpy.where(arr<10)])
[8, 5, 9, 1, 9, 2, 7]

矢量化版本比非矢量化版本快几个数量级:

>>> timeit.timeit('[i for i in L1 if i < 10]', 
      setup='import numpy; L1=list(numpy.random.randint(1,100,1000))', 
      number=1000)
0.4471170902252197
>>> timeit.timeit('L1[numpy.where(L1<10)]', 
      setup='import numpy; L1=numpy.random.randint(1,100,1000)', 
      number=1000)
0.011003971099853516