列表解析和矩阵

使用python编写矩阵（也被称为多维数组）的一个基本的方法就是使用嵌套的列表结构。例如，如下代码使用嵌套列表的列表定义了3*3的矩阵。

如果使用一次索引，会得到一整行（实际上，也就是嵌套的子列表），如果使用两次索引，你将会得到某一行里的其中一项。

#!/usr/bin/env python# coding=utf-8import numpy as npmatrix=[[1, 2, 3], [4, 5, 6], [7, 8, 9] ]print matrixprint matrix[1]print matrix[1][1]

使用这样的结构，我们总是能够索引行，以及索引行中的列，使用通常的索引操作。

列表解析也是处理这样结构的强大的工具，因为它将会自动为我们扫描行和列。例如，尽管这种结构通过行存储了矩阵，为了选择第二列，我们能够简单地通过对行进行迭代，之后从所需要的列中提取出元素，或者就像下面一样通过在行内的位置进行迭代。

M=[[1, 2, 3],   [4, 5, 6],   [7, 8, 9]]print(M)print(M[1][2])ret=[row[1] for row in M]print(ret)ret=[M[row][1] for row in (0, 1, 2)]print(ret)

M=[[1, 2, 3],   [4, 5, 6],   [7, 8, 9]]ret=[M[i][i] for i in range(len(M))]print(ret)

M=[[1, 2, 3],   [4, 5, 6],   [7, 8, 9]]N=[[2, 2, 2],   [3, 3, 3],   [4, 4, 4]]ret=[M[row][col] * M[row][col] for row in range(3) for col in range(3) ]print(ret)

M=[[1, 2, 3],   [4, 5, 6],   [7, 8, 9]]N=[[2, 2, 2],   [3, 3, 3],   [4, 4, 4]]ret=[ [M[row][col] * M[row][col] for col in range(3)] for row in range(3)]print(ret)

这个表达式时有效的，因为row迭代是外层的循环。对于每个row，它运行嵌套的列的迭代来创建矩阵每一行的结果。它等同于如下的基于语句的代码。

res=[]for row in range(3):    tmp=[]    for col in range(3):        tmp.append(M[row][col] * M[row][col])    res.append(tmp)print(ret)

与这些语句相比，列表解析这个版本只需要一行代码，而且可能对于大型矩阵来说，运行相当快。

性能优势：基于对运行在当前python下的测试，map调用要比等效的for循环要快两倍，而列表解析往往比map调用要稍快一些。速度上的差距是来自于底层实现上，map和列表解析是在解释器中以C语言的速度来运行的，比python的for循环代码在PVM中步进运行要快得多。