将压缩后的迭代器分离为单个迭代器？

我的代码有两个2D numpy阵列，z和weights。我遍历他们是这样的（而调换它们）：将压缩后的迭代器分离为单个迭代器？

import statsmodels.api as sm 
import numpy as np 

for y1, w in zip(z.T, weights.T): # building the parameters per j class 
    temp_g = sm.WLS(y1, iself.X, w).fit()

这是罚款，直到我开始为了加快我的代码使用Numba。随着Numba，我得到这个错误：

numba.error.NumbaError: (see below) 
--------------------- Numba Encountered Errors or Warnings --------------------- 
     for y1, w in zip(z.T, weights.T): # building the parameters per j class 
------------^ 
Error 82:12: Only a single target iteration variable is supported at the moment 
--------------------------------------------------------------------------------

要解决这个问题，我想我可以简单地这样做：

for y1 in z.T: 
    for w in weights.T: 
     temp_g = sm.WLS(y1, iself.X, w).fit()

但我不是在蟒蛇太好尚未所以我只是想知道这是否是最好的方式？或者如果还有另一种更优化的方式？

来源

2014-09-05 user961627

它看起来像Numba不支持指派拆包。分配给一个目标，那么解决了两个指数在元组：

for y1_w in zip(z.T, weights.T): 
    temp_g = sm.WLS(y1_w[0], iself.X, y1_w[1]).fit()

这里y1_w是含有的z.T和weights.T成对式元件的元组，因此两个元件的元组。您可以使用索引来解决每个元素。

可以可能使用分配拆包for声明之外，在循环体：

for y1_w in zip(z.T, weights.T): 
    y1, w = y1_w # unpack the zip pair 'manually' 
    temp_g = sm.WLS(y1, iself.X, w).fit()

来源

2014-09-05 12:14:24

将压缩后的迭代器分离为单个迭代器？

回答

相关问题