我們可以使用map2在list上循環(huán)，因?yàn)椤皐eights”是一個(gè)嵌套列表，unlist它與“multiplier”列表中的每個(gè)對(duì)應(yīng)元素相乘，relist它返回到list library(purrr)map2(weights, multiplier, ~ relist(unlist(.x) * .y, skeleton = .x)) base R中的類似選項(xiàng)是Map Map(function(x, y) relist(unlist(x) * y, skeleton = x), weights, multiplier) 或者另一種方法是stack將其轉(zhuǎn)換為兩列data.frame，然后在rep運(yùn)算后進(jìn)行乘法，使長(zhǎng)度相同，然后relist relist(with(stack(weights), values * rep(unlist(multiplier), table(ind))), weights)

tibble::lst()創(chuàng)建self-named列表（類似于data.frame）。 map(lst(A, G, M_1, M_2), \(x) x[[1]] %*% x[[2]]) 或者更難以捉摸 map(lst(A, G, M_1, M_2), lift(`%*%`)) （或者，當(dāng)然） lst(A, G, M_1, M_2) %>% map(lift(`%*%`))

以下是一個(gè)基本解決方案： let multElem list elem = list |> List.map ((*) elem)let mult list1 list2 = List.map2 multElem list1 list2mult list1 list2

使用列表理解： ans=sum([x*y for x,y in X])

這對(duì)我來說不是一個(gè)明確的問題，但這段代碼可能會(huì)幫助你 for i in range(len(listeisotoper)): print("Isotop type:"+listeisotoper[i][0]) print("Isotopisk masse u: "+listeisotoper[i][1]) print("Naturlig forekomst: "+listeisotoper[i][2]) mult_res = float(listeisotoper[i][1]) * float(listeisotoper[i][2]) print(f"Mult = {mult_res:.1f}") print("xxx"+"g/mol") print("\n")

循環(huán)for j in l1:每次將迭代3次（因?yàn)榱斜韑1中有3項(xiàng)）。 Try: out = [b for a, b in zip(l1, l2) for _ in range(a)]print(out) Prints: ['a', 'a', 'b', 'b', 'c', 'c', 'c']

提取嵌套列表 num, val_list = [6 , [1, 2, 3]] 將列表中的所有值相乘并相加 expected_output=sum([value * num for value in val_list]) 作為一個(gè)函數(shù)： def grow(arr): num, val_list = arr return sum([value * num for value in val_list])my_arr= [6 , [1, 2, 3]]data=grow(my_arr)

你在乘字符串。而是乘整數(shù)。 list = ['123', '456', '789']my_new_list = []for i in list: my_new_list.append(int(i)*2)print (my_new_list) 或者讓列表中的每個(gè)數(shù)字都是整數(shù)。這里還有一個(gè)代碼的列表理解版本 list = ['123', '456', '789']my_new_list = [int(i)*2 for i in list] 你應(yīng)該調(diào)查一下。“列表理解”是什么意思？它是如何工作的，我如何使用它？

使用兩個(gè)for循環(huán)的簡(jiǎn)單解決方案： l=[1,2,3,4]out=[]for i in range(len(l)): prod=1 for j in range(len(l)): if(j!=i): #Iterate through list once more and compare the indices prod=prod*l[j] out.append(prod) print(out) 輸出為：[24, 12, 8, 6]

在第二個(gè)prod_pdf中，您使用的是計(jì)算的PDF，而在第一個(gè)中，您使用的是定義的分布。所以，在第二個(gè)prod_pdf中，您已經(jīng)擁有了PDF。因此，在for循環(huán)中，只需執(zhí)行p_pdf = p_pdf * pdf 從你鏈接的論文中，我們知道“對(duì)于離散輸入分布，類似的合并定義是概率質(zhì)量函數(shù)的標(biāo)準(zhǔn)化積”。因此，你不僅需要得到PDF的乘積，還需要對(duì)其進(jìn)行規(guī)范化。因此，重寫離散分布的方程，我們得到 其中F是需要合并的分布數(shù)，N是離散變量x的長(zhǎng)度。 import numpy as npimport scipy.stats as spsimport matplotlib.pyplot as plt# use defined distributionsdef prod_pdf_1(x, dists): num = 1 for dist in dists: num *= dist.pdf(x) den = 0 for i in x: _mul = 1 for dist in dists: _mul *= dist.pdf(i) den += _mul return num / den# use computed PDFsdef prod_pdf_2(pdfs): num = 1 for pdf in pdfs: num *= pdf den = 0 for i in range(len(num)):

我們可以mget來獲取list中對(duì)象的值，對(duì)于'sepalvar'和'petalvar'，并使用Map對(duì)相應(yīng)的元素進(jìn)行*，然后將它賦給兩個(gè)新列（:=） library(data.table)setDT(iris)[, c('multlength', 'multwidth') := Map(`*`, mget(sepalvar), mget(petalvar))] -output head(iris)# Sepal.Length Sepal.Width Petal.Length Petal.Width Species multlength multwidth#1: 5.1 3.5 1.4 0.2 setosa 7.14 0.70#2: 4.9 3.0 1.4 0.2 setosa 6.86 0.60#3: 4.7 3.2 1.3 0.2 setosa 6.11 0.64#4: 4.6 3.1 1.5 0.2 setosa 6.90 0.62#5: 5.0 3.6 1.4 0.2 setosa 7.00 0.72#6: 5.4 3.9 1.7 0.4 setosa 9.18 1.56 或者另一個(gè)選擇是使用.SD setDT(iris)[, c('multlength', 'multwidth') := .SD[, ..sepalvar] * .SD[, ..petalvar]]

使用zip和列表索引： In [1]: x_vert = [1, 2, 3, 4, 5, 1]In [2]: y_vert = [3, 4, 5, 6, 7, 3]In [3]: x_vert_mul = [i*j for i, j in zip(x_vert[:-1], y_vert[1:])]In [4]: y_vert_mul = [i*j for i, j in zip(y_vert[:-1], x_vert[1:])]In [5]: x_vert_mulOut[5]: [4, 10, 18, 28, 15]In [6]: y_vert_mulOut[6]: [6, 12, 20, 30, 7]

primes = [101, 103, 107, 109, 113, 127, 131, 137, 139, 149, 151, 157, 163]a = int(input('enter a nmber :'))primes_useful = []for i in primes : product = 1 for k in str(i): product *= int(k) if product == a : primes_useful.append(i)print(primes_useful)

您正在將employeehours設(shè)置為最后一個(gè)浮點(diǎn)值。你的代碼幾乎是對(duì)的。 NUM_EMPLOYEES = 4 employeehours = [ ] for i in range (NUM_EMPLOYEES): print('Enter the hours worked by employee ', i + 1, ':', sep = '', end = ' ') employeehours.append(float(input()))pay_rate = 14for i in range (NUM_EMPLOYEES): gross_pay = employeehours[i] * pay_rate print('Gross pay for employee', i + 1, ': $', format(gross_pay , '.2f'), sep = ' ')

您可以嘗試以下簡(jiǎn)短答案： df['Total Amounts'] = df.apply(lambda x: x['No. of Tickets'] * x['Ticket Rate'], axis=1) output: # print(df['Total Amounts'])0 4001 4002 9003 12504 300Name: Total Amounts, dtype: int64