Python cómo reducir en una lista de tuplas?

Question

Puedo usar map y sum para lograr esta funcionalidad, pero ¿cómo usar reduce?

Hay 2 listas: a, b, tienen el mismo número de valores. Quiero calcular

a[0]*b[0]+a[1]*b[1]+...+a[n]*b[n] 

La versión de trabajo que escribí usando map está

value = sum(map(lambda (x,y): x*y, zip(a, b))) 

Cómo usar reduce entonces? Escribí:

value = reduce(lambda (x,y): x[0]*y[0] + x[1]*y[1], zip(a, b))) 

Recibí el error "TypeError: 'float' object is unsubscriptable".

¿Alguien puede arrojar algo de luz sobre esto?

Answer 1

El primer argumento de la función lambda es la suma hasta el momento y el segundo argumento es el siguiente par de elementos:

value = reduce(lambda sum, (x, y): sum + x*y, zip(a, b), 0) 

Answer 2

lo haría de esta manera (no creo que necesita lambda) ...

sum(x*y for x, y in zip(a, b)) 

Esto también parece un poco más explícito. Zip AB, multiplíquelos y resuma los términos.

Answer 3

Una solución usando reduce y map,

from operator import add,mul 

a = [1,2,3] 
b = [4,5,6] 

print reduce(add,map(mul,a,b)) 

Answer 4

Dificultades con reducir suceder cuando se tiene un mapa incorrecto.

Tomemos la expresión: value = sum(map(lambda (x,y): x*y, zip(a, b)))

Mapa es la transformación. Necesitamos que convierta tuplas en simple plano valores. En el caso que se verá así:

map(lambda x: x[0]*x[1], zip(a,b)) 

Y luego, si se quiere expresar sum través reduce - que se verá así:

reduce(lambda x,y: x + y, map) 

lo tanto, aquí es example:

a = [1,2,3] 
b = [4,5,6] 
l = zip(a,b) 
m = map(lambda x: x[0]*x[1], l) 
r = reduce(lambda x,y: x + y, m) 

Answer 5

parece que quiere un producto interior. usa un producto interno https://docs.scipy.org/doc/numpy/reference/generated/numpy.inner.html

np.inner(a, b) = sum(a[:]*b[:]) 

producto interno ordinario para los vectores:

a = np.array([1,2,3]) 
b = np.array([0,1,0]) 
np.inner(a, b) 

de salida: 2

Un ejemplo multidimensional:

a = np.arange(24).reshape((2,3,4)) 
b = np.arange(4) 
np.inner(a, b) 

salida: array ([[14, 38, 62], [86, 110, 134]])