如果要减少内存量,可以使用生成器避免生成临时列表:sum(x > 0 for x in frequencies)
这是因为bool是int的一个子类:>>> isinstance(True,int)
True
而True的值是1:>>> True==1
True
然而,正如Joe Golton在评论中指出的,这个解决方案不是很快。如果您有足够的内存来使用中间临时列表,那么sth's solution可能更快。下面是比较各种解决方案的一些计时:>>> frequencies = [random.randint(0,2) for i in range(10**5)]
>>> %timeit len([x for x in frequencies if x > 0]) # sth
100 loops, best of 3: 3.93 ms per loop
>>> %timeit sum([1 for x in frequencies if x > 0])
100 loops, best of 3: 4.45 ms per loop
>>> %timeit sum(1 for x in frequencies if x > 0)
100 loops, best of 3: 6.17 ms per loop
>>> %timeit sum(x > 0 for x in frequencies)
100 loops, best of 3: 8.57 ms per loop
请注意,时间结果可能因Python、OS或硬件的版本而异。
当然,如果你在一大堆数字上做数学,你可能应该使用NumPy:>>> frequencies = np.random.randint(3, size=10**5)
>>> %timeit (frequencies > 0).sum()
1000 loops, best of 3: 669 us per loop
NumPy数组比等效的Python列表需要更少的内存,而且计算速度比任何纯Python解决方案都要快得多。