Python实现列表的条件式乘法优化问题

高效解决方案：使用Numpy向量化操作 #

刚好我之前也处理过类似的问题，Python里要实现这种基于元素正负的对应乘法并大幅提升性能，numpy的向量化操作是最优解——这和R里的向量化逻辑思路一致，完全避开了Python层面的循环，用底层C实现的运算，速度能提升几个数量级。

具体实现步骤 #

1. 先把你的列表转换为numpy数组（numpy对数组的操作天生就是向量化的）
2. 使用np.where()函数完成条件选择与运算，一行代码搞定

示例代码：

import numpy as np

# 假设你的原始列表如下
a = [1, -2, 3, -4, 5]
b = [10, 20, 30, 40, 50]
c = [100, 200, 300, 400, 500]

# 转换为numpy数组
arr_a = np.array(a)
arr_b = np.array(b)
arr_c = np.array(c)

# 执行条件乘法运算：a元素为正时乘b对应元素，否则乘c对应元素
result = np.where(arr_a > 0, arr_a * arr_b, arr_a * arr_c)

为什么这个方法快？ #

np.where()会直接在底层对整个数组进行批量运算，没有Python循环的额外开销。如果你的列表规模是十万甚至百万级，这个方法的速度会比纯Python实现快几十到上百倍，绝对能满足你“大幅提升性能”的需求。

纯Python环境下的次优方案 #

如果你暂时不想引入numpy，也可以用列表推导式结合zip()来优化，比显式的for循环要快一些（但还是远不如numpy）：

result = [x * y if x > 0 else x * z for x, y, z in zip(a, b, c)]

你之前测试的方法只带来了小幅性能提升，建议试试numpy的方案，应该能给你带来惊喜的提速效果。

内容的提问来源于stack exchange，提问作者Alex