列表推导中用于同时过滤和转换的中间变量

Question

我有一个向量列表（在Python中），我想对它们进行归一化，同时去掉那些原本模长很小的向量。

输入列表是，比如说：

a = [(1,1),(1,2),(2,2),(3,4)]

我需要的输出是 (x*n, y*n)，其中 n = (x**2+y**2)**-0.5

如果我只需要模长，那用列表推导式就很简单：

an = [ (x**2+y**2)**0.5 for x,y in a ]

如果我只想存储归一化后的x值也很简单，但我想要一个临时变量“n”，用在两个计算中，然后再丢掉它。

我也不能仅仅用一个lambda函数，因为我还需要用n来过滤列表。那么，最好的方法是什么呢？

现在我在这里使用这个嵌套的列表推导式（内部列表中有一个表达式）：

a = [(1,1),(1,2),(2,2),(3,4)]

[(x*n,y*n) for (n,x,y) in (( (x**2.+y**2.)**-0.5 ,x,y) for x,y in a) if n < 0.4]

# Out[14]: 
# [(0.70710678118654757, 0.70710678118654757),
#  (0.60000000000000009, 0.80000000000000004)]

内部列表生成带有额外值（n）的元组，然后我用这些值进行计算和过滤。这真的是最好的方法吗？有没有什么效率低下的地方我需要注意的？

Answer 1

这段话的意思是，使用for循环可能是最快的方法。不过，最好在你自己的电脑上检查一下timeit的结果，因为这些结果会受到很多因素的影响，比如硬件、操作系统、Python版本、以及的长度等等。

a = [(1,1),(1,2),(2,2),(3,4)]

def two_lcs(a):
    an = [ ((x**2+y**2)**0.5, x,y) for x,y in a ]
    an = [ (x*n,y*n) for n,x,y in an if n < 0.4 ]
    return an

def using_forloop(a):
    result=[]
    for x,y in a:
        n=(x**2+y**2)**0.5
        if n<0.4:
            result.append((x*n,y*n))
    return result

def using_lc(a):    
    return [(x*n,y*n)
            for (n,x,y) in (( (x**2.+y**2.)**-0.5 ,x,y) for x,y in a) if n < 0.4]

会得到这些timeit的结果：

% python -mtimeit -s'import test' 'test.using_forloop(test.a)'
100000 loops, best of 3: 3.29 usec per loop
% python -mtimeit -s'import test' 'test.two_lcs(test.a)'
100000 loops, best of 3: 4.52 usec per loop
% python -mtimeit -s'import test' 'test.using_lc(test.a)'
100000 loops, best of 3: 6.97 usec per loop

Answer 2

从 Python 3.8 开始，引入了 赋值表达式 (PEP 572)，也就是 := 这个符号。这样一来，我们就可以在列表推导式中使用局部变量，这样就能避免多次计算同一个表达式。

在我们的例子中，我们可以把 (x**2.+y**2.)**-.5 的计算结果命名为一个变量 n，然后用这个结果来过滤列表，前提是 n 小于 0.4；接着，我们还可以用 n 来生成映射值：

# vectors = [(1, 1), (1, 2), (2, 2), (3, 4)]
[(x*n, y*n) for x, y in vectors if (n := (x**2.+y**2.)**-.5) < .4]
# [(0.7071067811865476, 0.7071067811865476), (0.6000000000000001, 0.8)]

Answer 3

Is this really the best way?

嗯，这个方法确实很有效，如果你真的很想写一行代码的话，那这个是你能做到的最好选择。

不过，简单的四行函数也能做到同样的事情，而且看起来更清晰：

def normfilter(vecs, min_norm):
    for x,y in vecs:
        n = (x**2.+y**2.)**-0.5
        if min_norm < n:
            yield (x*n,y*n)

normalized = list(normfilter(vectors, 0.4))

顺便说一下，你的代码或者描述里有个错误——你说你在过滤掉短向量，但你的代码正好相反 :p