Python For循环执行意外数量的循环

Question

我使用嵌套for循环从数据帧读取选择性数据。 然后我需要实现一些数学公式来处理这些选择性数据。 出于这个原因，我实现了一个动态逻辑，将列表“idx”和“cols”中的数据的索引和列编号分隔开。 但我应用于读取此数据的嵌套For循环执行的次数出乎意料地多

以下是示例代码及其输出：

idx =  [1, 2]
cols = [2, 2]
count = 0

def run_imputation():
    global count
    for i in idx:
        for col in cols:
            count += 1
            print(count)
            dfClean.iloc[i, col] = tempOut[i,col]  #Need to do such and more computations
            origVal.append(dfClean_Orig.iloc[i, col])
            impuVal.append(dfClean.iloc[i, col])

%timeit run_imputation()


OUTPUT:
1
2
...... 
32444

所以我的问题是为什么For循环执行32444次，而它应该只执行4次。 除了Python中复杂的for循环之外，还有没有更好的方法来进行如下所示的选择性数据计算

Answer 1

您尚未显示完整的代码。因此，我只根据您的编码风格回答。 我认为应该多次运行函数。通过不使用任何全局变量，可以避免看到错误的迭代次数

例如，您可以尝试更改编码样式，如下所示：

idx =  [1, 2]
cols = [2, 2]

def run_imputation(idx, cols):
    count = 0
    for i in idx:
        for col in cols:
            count += 1
            print(count)
            dfClean.iloc[i, col] = tempOut[i,col]  # Need to do such and more computations
            origVal.append(dfClean_Orig.iloc[i, col])
            impuVal.append(dfClean.iloc[i, col])

Answer 2

对于问题的第一部分：它运行32444次而不是4次，因为您正在使用%timeit magic命令和函数调用run_imputation（）

如果不想测量函数的执行时间，则不需要使用%timeit

您可以在此处找到有关该主题的更多详细信息：What is %timeit in python?

这回答了主要问题：“Python For循环执行意外数量的循环”

你问题的第二部分我不太清楚。如果你能详细说明的话，我也可以帮你

Answer 3

而不是： %timeit run_插补（）

我用过： run_插补（）