问R向量化函数的Pythonic替代

EN

您可以使用map

>>> lst = ['1', '2', '3']
>>> map(int, lst)
[1, 2, 3]

或一份清单的理解：

>>> [int(x) for x in lst]
[1, 2, 3]

用哪一种？主要是基于意见。就我个人而言，如果映射的函数已经作为内置函数存在，我更喜欢map。

注意，在Python3中，map将生成一个map对象，如果您想要有一个列表，就必须显式地转换为list。因此，在Python3中可能更倾向于理解：

>>> result = map(int, ['1', '2', '3'])
>>> result
<map object at 0x7f35c4c3af98>
>>> list(result)
[1, 2, 3]

您应该使用numpy库，并可能使用基于它的其他库，比如pandas。如果你想做的是矢量化的数值运算，这就是实现它的方法。

你是对的，在某种程度上，你遇到了这两种语言的优势和弱点。在R中，一切都是向量，甚至是单个数值。这使得向量化操作变得简单，但在不想要矢量化数值计算的地方做任何事情都会很尴尬。Python具有更大的灵活性，因为它不将诸如向量化之类的东西构建到核心语言类型中；您仍然可以这样做，但您需要一个库。

换句话说，R的优点是所有事物都是向量化的，缺点是所有东西都是向量化的；Python的一个优点是事物在默认情况下不是向量化的，缺点是在默认情况下不是向量化的。使用numpy执行向量化操作与其说是“带有R重音的Python”，不如说是“带有向量重音的Python”，如果您想要矢量化操作，这正是您想要的。如果你做了很多统计，你可能会发现R的优势很有帮助。根据我的经验，如果您做的几乎任何事情都不是统计数据，您会发现Python对各种任务的适应性要强得多。

您可以使用列表理解：

x = ['1', '2', '3']
l = [int(i) for i in x]
print(l)
[1, 2, 3]

如果要使用复杂的向量、数据格式，则应该检查numpy、pandas和scipy库。