列出理解以创建两两不同

Question

我不熟悉列表理解，但我想用列表理解来计算bray-curtis的不同点。不同之处如下所示：

def bray(x):
    bray_diss = np.zeros((x.shape[0], x.shape[0]))
    for i in range(0, bray_diss.shape[0]):
        bray_diss[i,i] = 0
        for j in range(i+1, bray_diss.shape[0]):
            l1_diff = abs(x[i,:] - x[j,:])
            l1_sum = x[i,:] + x[j,:] + 1
            bray_diss[i,j] = l1_diff.sum() / l1_sum.sum()
            bray_diss[j,i] = bray_diss[i,j]
    return bray_diss

我试着这样做：

def bray(x):
    [[((abs(x[i,:] - x[j,:])).sum() / (x[i,:] + x[j,:] + 1).sum()) for j in range(0, x.shape[0])] for i in range(0, x.shape[0])]

如果没有成功，我就搞不懂怎么了！此外，在第一个实现中，没有对所有矩阵行值执行第二个循环以节省计算时间，如何能够使用列表理解来执行它？你知道吗

谢谢！你知道吗

Answer 1

你不会从列表中得到任何东西。。。除了更好的理解列表！ 你必须理解的是，列表理解是一个功能概念。我不会详细介绍函数式编程， 但是你必须记住函数式编程禁止副作用。举个例子：

my_matrix = np.zeros(n, n)
for i in range(n):
    for j in range(n):
        my_matrix[i,j] = value_of_cell(i,j)

最后一行是副作用：修改my_matrix的状态。相反，没有副作用的版本可以：

np.array([[value_of_cell(i,j) for j in range(n)] for i in range(n)])

您没有“创建然后分配”序列：您通过在每个位置声明值来创建矩阵。更准确地说，要创建矩阵：

• 必须为每个单元格声明一个值
• 当给你一对(i,j)时，你不能用它来声明另一个单元格的值（例如(j,i)）

（如果以后需要变换矩阵，则必须重新创建它。这就是为什么这种方法在时间和空间上都很昂贵。）

现在，看看你的代码。在编写列表理解时，一个好的经验法则是使用辅助函数，因为它们有助于清理代码（这里我们不尝试创建一行）：

def bray(x):
    n = x.shape[0] # cleaner than to repeat x.shape[0] everywhere
    def diss(i,j): # I hope it's correct
        l1_diff = abs(x[i,:] - x[j,:])
        l1_sum = x[i,:] + x[j,:] + 1
        return l1_diff.sum() / l1_sum.sum()

    bray_diss = np.zeros((n, n))
    for i in range(n): # range(n) = range(0,n)
        # bray_diss[i,i] = 0 <  you don't need to set it to zero here
        for j in range(i+1, n):
            bray_diss[i,j] = diss(i,j)
            bray_diss[j,i] = bray_diss[i,j]
    return bray_diss

那更干净。下一步是什么？在上面的代码中，您选择迭代大于i的j，并同时设置两个值。但是在列表理解中，你不能选择单元格：列表理解为每个单元格提供坐标，你必须声明值。你知道吗

首先，让我们尝试每次迭代只设置一个值，即使用两个循环：

def bray(x):
    ...

    bray_diss = np.zeros((n, n))
    for i in range(n):
        for j in range(i+1, n):
            bray_diss[i,j] = inner(i,j)

    for i in range(n):
        for j in range(i):
            bray_diss[i,j] = bray_diss[j,i]

    return bray_diss

这样更好。第二，我们需要给矩阵的每个单元格赋值，而不仅仅是在单元格前加上零并选择不想更新的单元格：

def bray(x):
    ...

    bray_diss = np.zeros((n, n))
    for i in range(n):
        for j in range(n):
            if j>i: # j in range(i+1, n)
                bray_diss[i,j] = inner(i,j) # top right corner
            else # j in range(i+1)
                bray_diss[i,j] = 0. # zeroes in the bottom left corner + diagonal

    for i in range(n):
        for j in range(n):
            if j<i: # j in range(i)
                bray_diss[i,j] = bray_diss[j,i] # fill the bottom left corner now
            else # j in range(i, n)
                bray_diss[i,j] = bray_diss[i,j] # top right corner + diagonal is already ok

    return bray_diss

一个简短的版本是，使用Python的“伪三元条件运算符”：

def bray(x):
    ...

    bray_diss = np.zeros((n, n))
    for i in range(n):
        for j in range(n):
            bray_diss[i,j] = inner(i,j) if j>i else 0.

    for i in range(n):
        for j in range(n):
            bray_diss[i,j] = bray_diss[j,i] if j<i else bray_diss[i,j] 

    return bray_diss

现在我们可以将其转化为列表理解：

def bray(x):
    ...

    bray_diss_top_right = np.array([[diss(i,j) if j>i else 0. for j in range(n)] for i in range(n)])
    bray_diss = np.array([[bray_diss_top_right[j,i] if j<i else bray_diss_top_right[i,j] for j in range(n)] for i in range(n)])
    return bray_diss

如果我没说错的话，更简单的是（最终版本）：

def bray(x):
    n = x.shape[0]
    def diss(i,j):
        l1_diff = abs(x[i,:] - x[j,:])
        l1_sum = x[i,:] + x[j,:] + 1
        return l1_diff.sum() / l1_sum.sum()

    bray_diss_top_right = np.array([[diss(i,j) if j>i else 0. for j in range(n)] for i in range(n)])
    return bray_diss_top_right + bray_diss_top_right.transpose()

请注意，这个版本可能比你的版本慢，但在我看来，矩阵的构建方式更容易掌握。你知道吗