Question

我正在创建一个函数来计算两个列表（MSE wiki）之间的均方根误差（RMSE）。为此，我需要对列表进行逐元素减法。使用列表pred（预测）和obs（观察），我的第一次尝试是使用它：

se = [(p-0) for p in pred for o in obs]

但是这导致了一个长度为n * n的列表，其中n是原始列表的长度。最终，我发现了

se = [(p-o) for p, o in zip(pred, obs)]

是要走的路，但现在我很好奇为什么第一种方法不起作用。有什么想法吗？

Answer 1

第一个版本使用pred中的nested comprehension: 每个元素与obs中的每个元素配对（{{1 }}）。

另一方面，

zip是一个像 zip （length == n * m）这样的元素配对。

Answer 2

嗯，你可以打印并看看它是如何工作的：

a = [6,7,8,9]
b = [1,2,3,4]
print 'a = ',a
print 'b = ',b
print 'zipped = ', zip(a,b) #list(zip(a,b)) for Python3
print 'Unzipped = ', [(p,o) for p in a for o in b]

输出：

a =  [6, 7, 8, 9]
b =  [1, 2, 3, 4]
zipped =  [(6, 1), (7, 2), (8, 3), (9, 4)]
Unzipped =  [(6, 1), (6, 2), (6, 3), (6, 4), (7, 1), (7, 2), (7, 3), (7, 4), (8, 1), (8, 2), (8, 3), (8, 4), (9, 1), (9, 2), (9, 3), (9, 4)]

Answer 3

关于嵌套列表理解与zip之间差异的问题，并非真正的答案 - 其他答案中已经涵盖了这一点 - 而是使用zip的替代方法：

您也可以使用Numpy。这样您就可以直接在列表上计算，例如：成对算术运算，矩阵操作等。这也应该更快一点。

>>> import numpy as np
>>> pred = np.array([10, 12, 13, 11, 15])
>>> obs = np.array([11, 15, 10, 10, 12])
>>> pred - obs
array([-1, -3,  3,  1,  3])
>>> (pred - obs)**2
array([1, 9, 9, 1, 9])
>>> np.mean((pred - obs)**2)**.5
2.4083189157584592

Answer 4

您在两种情况下都使用list comprehension：

se = [(p-0) for p in pred for o in obs]

这里你已经用于循环内部循环（嵌套）

但是在你的第二次尝试中你使用了zip（list1，list2），它们从两个列表中逐个拉链或成对

在此处查看zip

的文档

zip和elementwise减法之间的Python区别

4 个答案: