Python中多个列表推导式能否合并以简化权重计算？

你原有代码的逻辑可以通过合并中间推导、数学公式化简、NumPy向量化三种方式优化，以下是具体实现：

方案1：合并列表推导（保持原生列表逻辑） #

可以通过代入中间变量的计算逻辑，省略不必要的中间列表存储，把4次列表推导压缩为2次，逻辑和原代码完全等价：

def get_weights(Last_scan, Peak_shot):
    # 合并前三步的计算逻辑，直接生成Is列表
    Is = [Peak_shot / np.sqrt(x * Peak_shot) for x in Last_scan.values()]
    sum_Is = sum(Is)
    return [i / sum_Is for i in Is]

你也可以通过数学公式进一步化简计算逻辑：Peak_shot / np.sqrt(x * Peak_shot) 等价于 np.sqrt(Peak_shot / x)，化简后可以减少一次乘法运算，计算效率更高。

方案2：NumPy向量化实现（推荐，性能更优） #

既然你已经用到了NumPy的sqrt方法，完全可以用向量化运算替代Python层的列表循环，写法更短，且数据量越大性能优势越明显：

import numpy as np
def get_weights(Last_scan, Peak_shot):
    arr = np.array(list(Last_scan.values()))
    Is = np.sqrt(Peak_shot / arr)
    return (Is / Is.sum()).tolist()

如果你的调用方可以直接接收NumPy数组作为返回值，省略.tolist()调用即可，代码会更简洁。

内容的提问来源于stack exchange，提问作者ZR-