如何用Python高效计算实验列表与多个模拟列表的RMSE？

原代码的问题 #

你的代码无法运行主要有以下几个问题：

• 未初始化MSE、RMSE容器就直接用索引赋值，且变量i此时完全未定义
• 循环逻辑错误：遍历sim_list时，i是模拟列表本身，不是索引，却错误地用它作为RMSE的索引，还把RMSE[i]当作函数调用
• Python3语法错误：print语句需要加括号

修正后的实现方案 #

推荐用函数封装RMSE计算逻辑，既避免重复代码，也让逻辑更清晰：

import numpy as np

def calculate_rmse(experimental, simulated):
    exp_array = np.array(experimental)
    sim_array = np.array(simulated)
    mse = np.square(exp_array - sim_array).mean()
    return np.sqrt(mse)

# 定义实验数据和所有模拟列表
experimental = [1, 2, 3, 4, 5]
sim_list = [
    [1.6, 2.5, 2.9, 3, 4.1],
    [5, 4, 3, 2, 1]
]

# 批量计算并输出每个模拟列表的RMSE
for idx, simulated in enumerate(sim_list, start=1):
    rmse = calculate_rmse(experimental, simulated)
    print(f"Root Mean Square Error {idx}:\n{rmse}\n")

如果不想封装函数，也可以直接在循环内完成计算：

import numpy as np

experimental = [1, 2, 3, 4, 5]
sim_list = [
    [1.6, 2.5, 2.9, 3, 4.1],
    [5, 4, 3, 2, 1]
]

exp_array = np.array(experimental)
for idx, simulated in enumerate(sim_list, start=1):
    sim_array = np.array(simulated)
    mse = np.square(exp_array - sim_array).mean()
    rmse = np.sqrt(mse)
    print(f"Root Mean Square Error {idx}:\n{rmse}\n")

优化说明 #

• 用numpy数组替代原生列表计算，效率更高且代码更简洁
• 使用enumerate给每个模拟列表自动编号，输出结果更易区分
• 用np.sqrt替代math.sqrt，无需额外导入math模块，且更适配numpy计算结果

内容的提问来源于stack exchange，提问作者Benjamin Atterberry