每当我在 Python 中偶然发现某种计算时，我倾向于采用非 Pythonic 方法，因为我对这门语言不太熟悉:
import pandas as pd
import numpy as np
v = 8
gf = 2.5
data_a1 = np.random.randint(5, 10, 21)
data_a2 = np.random.randint(5, 10, 21)
data_a3 = np.random.randint(5, 10, 21)
data_a4 = np.random.randint(5, 10, 21)
data_a5 = np.random.randint(5, 10, 21)
data_b1 = np.random.randint(6, 11, 21)
data_b2 = np.random.randint(6, 11, 21)
data_b3 = np.random.randint(6, 11, 21)
data_b4 = np.random.randint(6, 11, 21)
data_b5 = np.random.randint(6, 11, 21)
e_1 = 2 * (data_a1 + data_b1) / 2 / v / gf
e_2 = 2 * (data_a2 + data_b2) / 2 / v / gf
e_3 = 2 * (data_a3 + data_b3) / 2 / v / gf
e_4 = 2 * (data_a4 + data_b4) / 2 / v / gf
e_5 = 2 * (data_a5 + data_b5) / 2 / v / gf
正如您从上面的示例中看到的那样，我明确地写下了五次，而不是使用 Python 我可以想象它的用途——我想通过更新来计算 e它在每次迭代中使用 for 循环，我也更喜欢使用 numpy。
由于我所有的努力都没有结果，所以我转向了 pandas，因为我相当有信心无论出于何种原因我都能救赎自己:
df_a = pd.DataFrame({'data_a1': data_a1, 'data_a2': data_a2, 'data_a3': data_a3, 'data_a4': data_a4, 'data_a5': data_a5})
df_b = pd.DataFrame({'data_b1': data_b1, 'data_b2': data_b2, 'data_b3': data_b3, 'data_b4': data_b4, 'data_b5': data_b5})
c = 0
dfs = []
for i,j in zip(df_a, df_b):
e = 2 * (i + j) / 2 / v / gf
e = e.add_suffix('_' + str(c))
dfs.addpend(e)
c += 1
唉，我的愚蠢占了上风，我做不到。
- 是否有一种简化的方法来使用
numpy处理方程式，以便变量在被认为是 pythonic 的 for 循环中更新自身？ - 执行这些任务时，建议坚持使用
numpy还是转向pandas？
请您参考如下方法:
首先让我们远离创建大量变量名。在 Python 中，列表可以包含其他对象，包括数组。
datalist1 = []
for _ in range(5):
datalist1.append(np.random.randin(5, 10, 21))
# same for datalist2
datalist2 = [np.random.randint(6, 11, 21),
np.random.randint(6, 11, 21),
...]
elist = [2*(a+b)/2/v/gf for a,b in zip(datalist1, datalist2)]
使用形状为 (5,21) 的二维数组更好。但是我演示的那种列表迭代适用于所有 Python，而不仅仅是 numpy。
您甚至可以根据预先存在的变量创建一个列表:
alist = [data_b1, data_b2, ...]
