嗨新手循環來這裏蟒蛇...所以請原諒我，如果這是一個基本的問題替換由列表理解
我想提出我的代碼很短，發現有幾種簡單的方法去通過將for方括號內側的排序列表
例如
x = []
for i in range(10):
x.append(i)
print x
等同於：
y[i for i in range(10)]
print y
，所以我想縮短以類似的方式
import matplotlib as plt
import numpy as np
y = []
for i in xrange(499):
y.append(np.random.binomial(500,.5))
plt.hist(y)
這個我試過以下，但它沒有工作
z[np.random.binomial(500,.5) for i in xrange(499)]
此功能稱爲列表理解。看看this documentation看看他們是如何工作的。
但是，在這種特殊情況下，您不需要列表理解，因爲numpy.random.binomial需要size參數。生成包含499個樣本的載體，你可以這樣做：
z = np.random.binomial(500, 0.5, size=499)
哪裏是？
y = [i for i in range(10)]
#^
z = [np.random.binomial(500,.5) for i in xrange(499)]
#^
numpy.fromiter可能是你最好的朋友。它可以讓你從一個可迭代的對象中創建一個新的一維數組。
基本上是：
>>> iterable = (x*x for x in range(5))
>>> np.fromiter(iterable, np.float)
array([ 0., 1., 4., 9., 16.])
這樣對你：
>>> iterable = np.asarray([np.random.binomial(500,.5) for x in xrange(499)])
>>> np.fromiter(iterable, np.float)
array([ 256., 251., 254., 229., 260., 253., 246., 231., 247.,
255., 245., 229., 269., 257., 248., 244., 224., 238.,
247., 250., 255., 239., 254., 276., 226., 241., 253.,
247., 264., 264., 244., 254., 259., 246., 253., 254.,
241., 269., 239., 246., 252., 251., 255., 247., 240.,
248., 264., 237., 239., 249., 252., 234., 239., 260.,
258., 252., 238., 240., 253., 262., 242., 282., 256.,
247., 241., 243., 252., 241., 265., 232., 261., 253.,
237., 256., 263., 232., 248., 258., 236., 261., 243.,
250., 245., 262., 250., 255., 255., 230., 238., 245.,
267., 246., 245., 249., 260., 233., 240., 282., 246.,
245., 245., 249., 256., 256., 245., 260., 241., 245.,
266., 237., 260., 242., 237., 265., 249., 256., 249.,
276., 264., 246., 256., 244., 253., 229., 249., 242.,
252., 234., 246., 232., 233., 250., 261., 239., 263.,
269., 254., 254., 246., 255., 241., 269., 259., 230.,
239., 249., 249., 267., 247., 219., 250., 257., 238.,
260., 254., 253., 244., 240., 245., 244., 257., 225.,
258., 269., 238., 248., 238., 254., 256., 284., 263.,
238., 254., 249., 261., 243., 244., 250., 236., 240.,
257., 262., 246., 227., 261., 266., 232., 250., 255.,
261., 253., 241., 252., 242., 244., 246., 244., 237.,
236., 286., 249., 245., 251., 245., 250., 272., 241.,
238., 247., 263., 258., 266., 240., 253., 266., 255.,
234., 245., 243., 266., 271., 251., 263., 237., 237.,
253., 250., 230., 245., 254., 242., 245., 265., 247.,
245., 242., 254., 255., 236., 234., 253., 257., 228.,
246., 236., 261., 244., 240., 259., 239., 254., 239.,
263., 260., 229., 266., 248., 242., 247., 251., 255.,
255., 251., 248., 254., 258., 236., 248., 248., 247.,
269., 236., 255., 231., 246., 258., 246., 254., 248.,
250., 265., 232., 259., 248., 241., 246., 239., 241.,
242., 268., 257., 239., 244., 240., 252., 258., 241.,
256., 256., 240., 246., 253., 257., 258., 232., 243.,
269., 248., 240., 249., 264., 246., 233., 245., 243.,
241., 240., 241., 228., 281., 252., 254., 266., 236.,
246., 249., 258., 242., 249., 254., 251., 249., 256.,
236., 247., 234., 252., 250., 246., 249., 246., 220.,
261., 230., 250., 225., 248., 233., 244., 258., 250.,
251., 259., 243., 249., 264., 250., 244., 255., 254.,
244., 230., 244., 237., 250., 267., 255., 236., 250.,
226., 257., 239., 253., 259., 231., 256., 251., 266.,
239., 260., 278., 248., 248., 238., 258., 234., 260.,
264., 261., 255., 266., 259., 236., 270., 244., 233.,
231., 252., 251., 262., 260., 243., 263., 250., 250.,
247., 261., 251., 229., 250., 237., 250., 252., 262.,
244., 246., 251., 249., 253., 246., 257., 245., 248.,
255., 268., 255., 253., 212., 241., 260., 259., 243.,
242., 246., 263., 251., 244., 252., 245., 265., 238.,
270., 253., 254., 242., 246., 265., 240., 255., 255.,
276., 255., 252., 260., 235., 256., 230., 269., 240.,
249., 254., 234., 250., 251., 243., 248., 250., 240.,
253., 259., 242., 255., 269., 252., 253., 230., 237.,
255., 247., 263., 231., 241., 258., 241., 252., 251.,
259., 241., 257., 262., 268., 256., 249., 239., 275.,
242., 262., 258., 244.])
而一個基本的列表理解是表演者爲您的小型陣列，這將是更高性能的，如果你正在尋找使用數組更大的尺寸。
numpy.random.binomial將大小/形狀 - 使用：
z = np.random.binomial(500, 0.5, 499)
這應該工作：
z = [np.random.binomial(500,.5) for i in xrange(499)]
在這種情況下numpy的函數可以接受的大小第三個參數，這樣可能更快。
z = np.random.binomial(500, .5, 499)
同樣的地方'='也是'y' :) –