숫자 목록 을 가져 와서 곱하는 함수를 작성 해야합니다. 예 :
[1,2,3,4,5,6]
나에게 줄 것이다 1*2*3*4*5*6
. 정말 당신의 도움을 사용할 수 있습니다.
숫자 목록 을 가져 와서 곱하는 함수를 작성 해야합니다. 예 :
[1,2,3,4,5,6]
나에게 줄 것이다 1*2*3*4*5*6
. 정말 당신의 도움을 사용할 수 있습니다.
답변:
파이썬 3 : 사용 functools.reduce
:
>>> from functools import reduce
>>> reduce(lambda x, y: x*y, [1,2,3,4,5,6])
720
파이썬 2 : 사용 reduce
:
>>> reduce(lambda x, y: x*y, [1,2,3,4,5,6])
720
2 및 3과 호환되는 pip install six
경우 다음을 사용하십시오 .
>>> from six.moves import reduce
>>> reduce(lambda x, y: x*y, [1,2,3,4,5,6])
720
lambda
평균 .02s / 1000 반복을 사용하는 반면 operator.mul
평균 .009s / 1000 반복을 사용 operator.mul
하여 10 배 빠른 속도 를 얻었습니다 .
operator.mul
math.prod([1,2,3,4,5,6])
. (수입 과정 필요)
당신이 사용할 수있는:
import operator
import functools
functools.reduce(operator.mul, [1,2,3,4,5,6], 1)
참조 reduce
및 operator.mul
설명에 대한 문서화.
import functools
파이썬 3 이상 에서 라인 이 필요합니다 .
reduce()
함수가 전역 네임 스페이스에서 제거되어 functools
모듈에 배치되었습니다 . 그래서 python3에서는 말할 필요가 있습니다 from functools import reduce
.
나는를 사용하는 것이 numpy.prod
작업을 수행 할 수 있습니다. 아래를 참조하십시오.
import numpy as np
mylist = [1, 2, 3, 4, 5, 6]
result = np.prod(np.array(mylist))
result = np.prod(mylist)
numpy.int32
위와 같이 기본값 을 사용하는 경우 오버플로가 발생할 수 있습니다. 2) 작은 목록의 경우 NumPy가 배열을 할당해야하므로 (자주 반복되는 경우 관련)
np.prod(np.array(range(1,21)))
reduce
.
가져 오기를 피하고 더 복잡한 Python 영역을 피하려면 간단한 for 루프를 사용할 수 있습니다
product = 1 # Don't use 0 here, otherwise, you'll get zero
# because anything times zero will be zero.
list = [1, 2, 3]
for x in list:
product *= x
내 기계의 성능 측정 결과는 다음과 같습니다. 장기 실행 루프에서 작은 입력에 대해 수행되는 경우와 관련이 있습니다.
import functools, operator, timeit
import numpy as np
def multiply_numpy(iterable):
return np.prod(np.array(iterable))
def multiply_functools(iterable):
return functools.reduce(operator.mul, iterable)
def multiply_manual(iterable):
prod = 1
for x in iterable:
prod *= x
return prod
sizesToTest = [5, 10, 100, 1000, 10000, 100000]
for size in sizesToTest:
data = [1] * size
timerNumpy = timeit.Timer(lambda: multiply_numpy(data))
timerFunctools = timeit.Timer(lambda: multiply_functools(data))
timerManual = timeit.Timer(lambda: multiply_manual(data))
repeats = int(5e6 / size)
resultNumpy = timerNumpy.timeit(repeats)
resultFunctools = timerFunctools.timeit(repeats)
resultManual = timerManual.timeit(repeats)
print(f'Input size: {size:>7d} Repeats: {repeats:>8d} Numpy: {resultNumpy:.3f}, Functools: {resultFunctools:.3f}, Manual: {resultManual:.3f}')
결과 :
Input size: 5 Repeats: 1000000 Numpy: 4.670, Functools: 0.586, Manual: 0.459
Input size: 10 Repeats: 500000 Numpy: 2.443, Functools: 0.401, Manual: 0.321
Input size: 100 Repeats: 50000 Numpy: 0.505, Functools: 0.220, Manual: 0.197
Input size: 1000 Repeats: 5000 Numpy: 0.303, Functools: 0.207, Manual: 0.185
Input size: 10000 Repeats: 500 Numpy: 0.265, Functools: 0.194, Manual: 0.187
Input size: 100000 Repeats: 50 Numpy: 0.266, Functools: 0.198, Manual: 0.185
Numpy는 곱셈이 수행되기 전에 배열을 할당하기 때문에 더 작은 입력에서 상당히 느리다는 것을 알 수 있습니다. 또한 Numpy의 오버플로에주의하십시오.
multiply_functools
하고 multiply_numpy
위로 볼 필요에 의해 아래로 무게가있다 np
, functools
그리고 operator
속성 조회 한 다음 전역을. 현지인으로 전환 하시겠습니까? _reduce=functools.reduce,
_mul = operator.mul` 다음 함수 시그니처 return _reduce(_mul, iterable)
에서 본문 등
np.prod()
옵션이 100 개 이상의 요소에서 시작됩니다.
나는 일반 목록의 모든 요소를 함께 곱하는 함수에 대해 개인적으로 이것을 좋아합니다.
def multiply(n):
total = 1
for i in range(0, len(n)):
total *= n[i]
print total
컴팩트하고 간단한 것 (변수 및 for 루프)을 사용하며 직관적입니다. (문제에 대해 생각하고, 하나만 취하고, 곱한 다음 다음에 곱하는 등의 방식으로 보입니다.) )
for i in n:
, 그 다음 total *= i
? 훨씬 간단하지 않습니까?
nums = str(tuple([1,2,3]))
mul_nums = nums.replace(',','*')
print(eval(mul_nums))
*
하여 평가자가이를 곱셈으로 인식합니다. 다른 솔루션과 비교할 때이 성능이 어떤지 궁금합니다.
수입하지 않는 것은 매우 간단합니다. 이것은 내 코드입니다. 목록의 모든 항목을 곱하고 해당 제품을 반환하는 함수를 정의합니다.
def myfunc(lst):
multi=1
for product in lst:
multi*=product
return product