Numeric.product

(或

reduce(lambda x,y:x*y,[3,4,5])

）

使用这个

def prod(iterable):
p = 1
for n in iterable:
p *= n
return p

因为没有内置的prod函数。

它没有内置的，但很容易滚动自己的，如在这里所示:

import operator
def prod(factors):
return reduce(operator.mul, factors, 1)

请看这个问题的答案:

哪个Python模块适合在列表中进行数据操作?< / >

实际上，Guido否决了这个想法:http://bugs.python.org/issue1093

但是，正如那期杂志中提到的，你可以很容易地做出一个:

from functools import reduce # Valid in Python 2.6+, required in Python 3
import operator


reduce(operator.mul, (3, 4, 5), 1)

numpy中有一个prod()来做你所要求的事情。

我更喜欢答案<一个 href="https://st一个ckoverflow.com/一个/595409/778533">一个和b上面使用functools.reduce ()和回答使用numpy.prod ()，但这里有另一个解决方案使用itertools.accumulate ():

import itertools
import operator
prod = list(itertools.accumulate((3, 4, 5), operator.mul))[-1]

更新:

在Python 3.8中，刺激函数被添加到数学模块中。看到:math.prod ()。

旧信息:Python 3.7及以前版本

你要找的函数叫做刺激()或产品()，但是Python没有这个函数。所以，你需要自己编写(这很简单)。

关于prod()的声明

是的，没错。Guido 拒绝了这个想法用于内置prod()函数，因为他认为它很少需要。

使用reduce()替代

正如你所建议的，使用< em > reduce () < / em >和< em > operator.mul () < / em >创建自己的函数并不难:

from functools import reduce  # Required in Python 3
import operator
def prod(iterable):
return reduce(operator.mul, iterable, 1)


>>> prod(range(1, 5))
24

注意，在Python 3中，< em > reduce () < / em >函数被移动到functools模块. c。

具体情况:阶乘

顺便说一句，刺激()的主要用途是计算阶乘。我们已经在数学模块中支持它:

>>> import math


>>> math.factorial(10)
3628800

可选对数

如果你的数据由浮点数组成，你可以使用sum ()与指数和对数计算一个乘积:

>>> from math import log, exp


>>> data = [1.2, 1.5, 2.5, 0.9, 14.2, 3.8]
>>> exp(sum(map(log, data)))
218.53799999999993


>>> 1.2 * 1.5 * 2.5 * 0.9 * 14.2 * 3.8
218.53799999999998

注意，日志()的使用要求所有输入都是正的。

也许不是“内置”，但我认为它是内置的。不管怎样，使用numpy

import numpy
prod_sum = numpy.prod(some_list)

你也可以将你的数字列表编码为pd.Series，然后使用pd.Series.product():

>>> import pandas as pd
>>> pd.Series([5,3,-1]).product()
-15