时间戳

首页 > 解决方案 > Python：如何摆脱嵌套循环？

python - Python：如何摆脱嵌套循环？

问题描述

我有 2 个 for 循环，一个接一个，我想以某种方式摆脱它们以提高代码速度。我的 pandas 数据框如下所示（标题代表不同的公司，行代表不同的用户，1 表示用户访问了该公司，否则为 0）：

   100  200  300  400
0    1    1    0    1
1    1    1    1    0

我想比较我的数据集中的每一对公司，为此，我创建了一个包含公司所有 ID 的列表。代码查看列表获取第一家公司（基础），然后与其他所有公司（同行）配对，因此是第二个“for”循环。我的代码如下：

def calculate_scores():
    df_matrix = create_the_matrix(df)
    print(df_matrix)
    for base in list_of_companies:
        counter = 0
        for peer in list_of_companies:
            counter += 1
            if base == peer:
                "do nothing"
            else:
                # Calculate first the denominator since we slice the big matrix
            # In dataframes that only have accessed the base firm
            denominator_df = df_matrix.loc[(df_matrix[base] == 1)]
            denominator = denominator_df.sum(axis=1).values.tolist()
            denominator = sum(denominator) - len(denominator)

            # Calculate the numerator. This is done later because
            # We slice up more the dataframe above by
            # Filtering records which have been accessed by both the base and the peer firm
            numerator_df = denominator_df.loc[(denominator_df[base] == 1) & (denominator_df[peer] == 1)]
            numerator = len(numerator_df.index)
            annual_search_fraction = numerator/denominator
            print("Base: {} and Peer: {} ==> {}".format(base, peer, annual_search_fraction))

编辑1（添加代码说明）：

指标如下：

在此处输入图像描述

1）我试图计算的指标将告诉我与所有其他搜索相比，两家公司一起被搜索了多少次。

2) 代码首先选择所有访问过基础公司 ( denominator_df = df_matrix.loc[(df_matrix[base] == 1)]) 行的用户。然后它计算分母，该分母计算基础公司和用户搜索的任何其他公司之间有多少独特组合，因为我可以计算（用户）访问的公司数量，我可以减去 1 来获得基础公司与其他公司之间的独特联系。

3）接下来，代码过滤前一个denominator_df以仅选择访问基础和对等公司的行。由于我需要计算访问基础公司和同行公司的用户数量，我使用命令： numerator = len(numerator_df.index)计算行数，这将给我分子。

顶部数据框的预期输出如下：

Base: 100 and Peer: 200 ==> 0.5
Base: 100 and Peer: 300 ==> 0.25
Base: 100 and Peer: 400 ==> 0.25
Base: 200 and Peer: 100 ==> 0.5
Base: 200 and Peer: 300 ==> 0.25
Base: 200 and Peer: 400 ==> 0.25
Base: 300 and Peer: 100 ==> 0.5
Base: 300 and Peer: 200 ==> 0.5
Base: 300 and Peer: 400 ==> 0.0
Base: 400 and Peer: 100 ==> 0.5
Base: 400 and Peer: 200 ==> 0.5
Base: 400 and Peer: 300 ==> 0.0

4）健全性检查，看看代码是否给出了正确的解决方案：1 个基础公司和所有其他同行公司之间的所有指标必须总和为 1。他们在我发布的代码中做到了

任何有关前进方向的建议或提示将不胜感激！

标签： pythonpython-3.xpandasnested-loops

解决方案

您可能正在寻找 itertools.product()。这是一个类似于您似乎想要做的示例：

import itertools

a = [ 'one', 'two', 'three' ]

for b in itertools.product( a, a ):
    print( b )

上述代码片段的输出是：

('one', 'one')
('one', 'two')
('one', 'three')
('two', 'one')
('two', 'two')
('two', 'three')
('three', 'one')
('three', 'two')
('three', 'three')

或者你可以这样做：

for u,v in itertools.product( a, a ):
    print( "%s %s"%(u, v) )

那么输出是，

one one
one two
one three
two one
two two
two three
three one
three two
three three

如果你想要一个列表，你可以这样做：

alist = list( itertools.product( a, a ) ) )

print( alist )

输出是，

[('one', 'one'), ('one', 'two'), ('one', 'three'), ('two', 'one'), ('two', 'two'), ('two', 'three'), ('three', 'one'), ('three', 'two'), ('three', 'three')]

推荐阅读