Python For循环执行意外数量的循环

Question

我使用嵌套的for循环从数据帧中读取选择性数据。然后，我需要对这些选择性数据实现一些数学公式。出于这个原因，我实现了一个动态逻辑，它将数据的索引和列号分隔在一个列表"idx“和"cols”中。但是，我应用的用于读取此数据的嵌套For循环执行的次数出乎意料地多。

以下是示例代码及其输出：

idx =  [1, 2]
cols = [2, 2]
count = 0

def run_imputation():
    global count
    for i in idx:
        for col in cols:
            count += 1
            print(count)
            dfClean.iloc[i, col] = tempOut[i,col]  #Need to do such and more computations
            origVal.append(dfClean_Orig.iloc[i, col])
            impuVal.append(dfClean.iloc[i, col])

%timeit run_imputation()


OUTPUT:
1
2
...... 
32444

所以我的问题是，为什么是For循环执行32444次，而它应该只执行4次。除了Python中复杂的for循环之外，还有什么更好的方法来进行如下所示的选择性数据计算吗？

Answer 1

您尚未显示完整的代码。因此，我只根据你的编码风格来回答。我认为您会多次运行run_imputation()函数。通过不使用任何全局变量，可以避免看到错误的迭代次数。

例如，您可以尝试更改您的编码样式，如下所示：

idx =  [1, 2]
cols = [2, 2]

def run_imputation(idx, cols):
    count = 0
    for i in idx:
        for col in cols:
            count += 1
            print(count)
            dfClean.iloc[i, col] = tempOut[i,col]  # Need to do such and more computations
            origVal.append(dfClean_Orig.iloc[i, col])
            impuVal.append(dfClean.iloc[i, col])

Answer 2

对于问题的第一部分:它运行32444次而不是4次，因为您正在使用%timeit魔术命令和您的函数调用run_imputation()。

如果您不想测量函数的执行时间，则不需要使用%timeit。

您可以在此处找到有关该主题的更多详细信息：What is %timeit in python?

这回答了主要问题："Python For循环执行意外数量的循环“

你问题的第二部分对我来说不是很清楚。如果您能详细说明，我也可以提供帮助。

Answer 3

而不是：%timeit run_imputation()

我使用: run_imputation()