如何用NumPy按对应索引查找列表的列表中的最大值

嘿，这个需求其实挺常见的，刚好有几种高效的实现方式，我给你拆解下：

如果你平时经常和数值数据打交道，NumPy绝对是最优解——它底层用C实现，批量运算速度比纯Python快一大截，处理你说的100个子列表×20元素的规模完全小菜一碟。

核心思路是把嵌套列表转成NumPy数组，然后沿着**行方向（axis=0）**取每个列位置的最大值，最后转成普通列表就行：

import numpy as np

original_list = [[1,2,3,4,5,6],[3,2,1,4,5,6],[4,3,2,1,5,6],[1,1,1,1,1,1]]
arr = np.array(original_list)
max_list = arr.max(axis=0).tolist()  # 也可以用 np.amax(arr, axis=0).tolist()
print(max_list)  # 输出: [4,3,3,4,5,6]

要是不想引入第三方库，用Python内置的zip()和max()组合就能写出非常优雅且高效的代码，完全符合Pythonic的风格。

zip(*original_list)会把原嵌套列表“转置”，把每个索引位置的元素打包成元组（比如第一个元组是(1,3,4,1)，对应原列表每个子列表的第一个元素），然后用列表推导式对每个元组取最大值：

original_list = [[1,2,3,4,5,6],[3,2,1,4,5,6],[4,3,2,1,5,6],[1,1,1,1,1,1]]
max_list = [max(col) for col in zip(*original_list)]
print(max_list)  # 输出: [4,3,3,4,5,6]

这种写法简洁易读，而且对于你描述的数据规模，运行速度完全够用，不需要额外依赖。

两种方法都能完美匹配你的需求，选哪种就看你有没有使用NumPy的场景啦～

内容的提问来源于stack exchange，提问作者Thomas John