如何避免Python数据处理代码中多次调用append方法？

你这段代码的两层append都是用于收集循环计算结果，完全可以通过列表推导式、numpy预分配数组两种方式去掉append操作，优化后的代码更简洁，性能也更好。另外注意你原代码存在缩进错误：A_all.append 应该缩进至第一层for循环内部，否则只会把最后一个item的计算结果存入列表，以下优化方案已经修正了该问题。

方案1：列表推导式实现（完全移除append） #

直接把两层循环逻辑写在列表推导式中，不需要手动声明空列表、执行append操作：

import numpy as np
# 注：iter、boots、get_corr为你预先定义好的变量/函数
items = [a1,a2,a3,a4,a5,a6,a7]
n_col = np.shape(items[0])[1]

A_all = [
    np.mean([
        np.mean(get_corr(item[:, np.random.choice(n_col, boots)].T))
        for _ in range(iter)
    ])
    for item in items
]

方案2：numpy预分配数组实现（适合大样本高性能需求） #

如果你的iter、boots参数数值较大，预分配numpy数组直接下标赋值的性能比列表操作更高，全程无append：

import numpy as np
items = [a1,a2,a3,a4,a5,a6,a7]
n_col = np.shape(items[0])[1]
# 预分配结果数组，长度和items数量一致
A_all = np.zeros(len(items))

for t, item in enumerate(items):
    # 预分配当前item的bootstrap采样结果数组
    bs_res = np.zeros(iter)
    for i in range(iter):
        idx_BS = np.random.choice(n_col, boots)
        corr_atra = get_corr((item[:,idx_BS]).T)
        bs_res[i] = np.mean(corr_atra)
    A_all[t] = bs_res.mean()

内容的提问来源于stack exchange，提问作者Raz