回答:
使用するmap
とoperator.add
:
>>> from operator import add
>>> list( map(add, list1, list2) )
[5, 7, 9]
またはzip
リスト内包表記:
>>> [sum(x) for x in zip(list1, list2)]
[5, 7, 9]
>>> list2 = [4, 5, 6]*10**5
>>> list1 = [1, 2, 3]*10**5
>>> %timeit from operator import add;map(add, list1, list2)
10 loops, best of 3: 44.6 ms per loop
>>> %timeit from itertools import izip; [a + b for a, b in izip(list1, list2)]
10 loops, best of 3: 71 ms per loop
>>> %timeit [a + b for a, b in zip(list1, list2)]
10 loops, best of 3: 112 ms per loop
>>> %timeit from itertools import izip;[sum(x) for x in izip(list1, list2)]
1 loops, best of 3: 139 ms per loop
>>> %timeit [sum(x) for x in zip(list1, list2)]
1 loops, best of 3: 177 ms per loop
map
重要性を増すだけです。Python 2は3年以内に公式サポートを失います。
他の人たちは、これを純粋なpythonで行う方法の例を示しました。100.000要素の配列でこれを行う場合は、numpyを使用する必要があります。
In [1]: import numpy as np
In [2]: vector1 = np.array([1, 2, 3])
In [3]: vector2 = np.array([4, 5, 6])
要素ごとの追加を行うことは、
In [4]: sum_vector = vector1 + vector2
In [5]: print sum_vector
[5 7 9]
Matlabと同じように。
Ashwiniの最速バージョンと比較するタイミング:
In [16]: from operator import add
In [17]: n = 10**5
In [18]: vector2 = np.tile([4,5,6], n)
In [19]: vector1 = np.tile([1,2,3], n)
In [20]: list1 = [1,2,3]*n
In [21]: list2 = [4,5,6]*n
In [22]: timeit map(add, list1, list2)
10 loops, best of 3: 26.9 ms per loop
In [23]: timeit vector1 + vector2
1000 loops, best of 3: 1.06 ms per loop
これは25倍速くなります!ただし、状況に合ったものを使用してください。単純なプログラムの場合は、おそらくnumpyをインストールしたくないので、標準のpythonを使用します(そして、私はヘンリーのバージョンが最もPythonicであると思います)。あなたが深刻な数の計算になっている場合numpy
は、重労働をやりましょう。スピードがおかしい人のために:numpyソリューションは、周りから始めた方が速いようn = 8
です。
[a + b for a, b in zip(list1, list2)]
[sum(x) for x in zip(list1, list2)]
はあなたの答えと同じですよね。:)
他の人が説明しているように、高速でスペース効率の良いソリューションは、組み込みのベクター操作機能でnumpy(np)を使用することです。
1. Numpyを使用
x = np.array([1,2,3])
y = np.array([2,3,4])
print x+y
2.組み込み
2.1ラムダ
list1=[1, 2, 3]
list2=[4, 5, 6]
print map(lambda x,y:x+y, list1, list2)
map()は複数の引数をサポートしていることに注意してください。
2.2 zipとリストの理解
list1=[1, 2, 3]
list2=[4, 5, 6]
print [x + y for x, y in zip(list1, list2)]
numpy
私の意見から使用する方が簡単です:
import numpy as np
list1=[1,2,3]
list2=[4,5,6]
np.add(list1,list2)
結果:
パラメータの詳細については、ここを確認してください:numpy.add
おそらく「最もPython的な方法」には、list1とlist2が同じサイズでない場合の処理が含まれているはずです。これらの方法のいくつかを適用すると、静かに答えが得られます。numpyアプローチは、おそらくValueErrorで通知します。
例:
import numpy as np
>>> list1 = [ 1, 2 ]
>>> list2 = [ 1, 2, 3]
>>> list3 = [ 1 ]
>>> [a + b for a, b in zip(list1, list2)]
[2, 4]
>>> [a + b for a, b in zip(list1, list3)]
[2]
>>> a = np.array (list1)
>>> b = np.array (list2)
>>> a+b
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (2) (3)
これが問題の関数であった場合、どの結果が望ましいでしょうか?
zip_longest
a fillvalue
を使用してitertoolsから調べる必要があり0
ます。
これは簡単です numpy.add()
import numpy
list1 = numpy.array([1, 2, 3])
list2 = numpy.array([4, 5, 6])
result = numpy.add(list1, list2) # result receive element-wise addition of list1 and list2
print(result)
array([5, 7, 9])
pythonリストを受け取りたい場合:
result.tolist()
おそらくこれはpythonicであり、リストの数が不明で、何もインポートしない場合に少し便利です。
リストが同じ長さである限り、以下の関数を使用できます。
ここで* argsは、可変数のリスト引数を受け入れます(ただし、合計されるのはそれぞれの要素の同じ数のみです)。
返されたリストで*を再び使用して、各リストの要素をアンパックします。
def sum_lists(*args):
return list(map(sum, zip(*args)))
a = [1,2,3]
b = [1,2,3]
sum_lists(a,b)
出力:
[2, 4, 6]
または3つのリスト
sum_lists([5,5,5,5,5], [10,10,10,10,10], [4,4,4,4,4])
出力:
[19, 19, 19, 19, 19]
サイズの異なるリストを処理する必要がある場合でも、心配しないでください。素晴らしいitertoolsモジュールがカバーしています:
>>> from itertools import zip_longest
>>> list1 = [1,2,1]
>>> list2 = [2,1,2,3]
>>> [sum(x) for x in zip_longest(list1, list2, fillvalue=0)]
[3, 3, 3, 3]
>>>
Python 2ではzip_longest
と呼ばれizip_longest
ます。
この関連する回答も参照し、別の質問にコメントしてください。
ただし、実際の質問では、リストを反復して結果を生成する必要はありませんが、提案されているすべてのソリューションは、内部的に正確に実行します。
更新するには:すべてのベクトル要素を調べなければ、2つのベクトルを追加できません。したがって、これらのソリューションのほとんどのアルゴリズムの複雑さはBig-O(n)です。ここで、nはベクトルの次元です。
したがって、アルゴリズムの観点から見ると、forループを使用して結果のリストを繰り返し生成することは、論理的でpythonicでもあります。ただし、さらに、このメソッドには追加のライブラリを呼び出したりインポートしたりするオーバーヘッドがありません。
# Assumption: The lists are of equal length.
resultList = [list1[i] + list2[i] for i in range(len(list1))]
ここで示されている/議論されているタイミングは、システムと実装に依存しており、操作の効率を測定するための信頼できる測定にはなりません。いずれの場合でも、ベクトル加算演算の大きなOの複雑さは線形であり、O(n)を意味します。