使用map和operator.add:

>>> from operator import add
>>> list( map(add, list1, list2) )
[5, 7, 9]

或者压缩一个列表理解:

>>> [sum(x) for x in zip(list1, list2)]
[5, 7, 9]

时间比较:

>>> list2 = [4, 5, 6]*10**5
>>> list1 = [1, 2, 3]*10**5
>>> %timeit from operator import add;map(add, list1, list2)
10 loops, best of 3: 44.6 ms per loop
>>> %timeit from itertools import izip; [a + b for a, b in izip(list1, list2)]
10 loops, best of 3: 71 ms per loop
>>> %timeit [a + b for a, b in zip(list1, list2)]
10 loops, best of 3: 112 ms per loop
>>> %timeit from itertools import izip;[sum(x) for x in izip(list1, list2)]
1 loops, best of 3: 139 ms per loop
>>> %timeit [sum(x) for x in zip(list1, list2)]
1 loops, best of 3: 177 ms per loop

虽然，实际的问题并不想遍历列表来生成结果，但是所提出的所有解决方案实际上都是这样做的!

要刷新:如果不查看所有向量元素，就不能将两个向量相加。因此，大多数解的算法复杂度都是大o (n)。其中n是向量的维数。

因此，从算法的角度来看，使用for循环迭代生成结果列表是合乎逻辑的，也是python化的。但是，除此之外，该方法没有调用或导入任何附加库的开销。

# Assumption: The lists are of equal length.
resultList = [list1[i] + list2[i] for i in range(len(list1))]

这里显示/讨论的时间取决于系统和实现，不能作为衡量操作效率的可靠措施。在任何情况下，向量加法运算的大O复杂度是线性的，即O(n)。

如果您有一个未知数量的列表，并且没有导入任何东西，那么这可能是python式的，稍微有用一些。

只要列表的长度相同，就可以使用下面的函数。

这里*args接受可变数量的列表参数(但每个参数中元素的总和相同)。

在返回的列表中再次使用*来解包每个列表中的元素。

def sum_lists(*args):
    return list(map(sum, zip(*args)))

a = [1,2,3]
b = [1,2,3]  

sum_lists(a,b)

输出:

[2, 4, 6]

或者用3个列表

sum_lists([5,5,5,5,5], [10,10,10,10,10], [4,4,4,4,4])

输出:

[19, 19, 19, 19, 19]

其他人给出了如何在纯python中做到这一点的示例。如果你想对包含100.000个元素的数组执行此操作，你应该使用numpy:

In [1]: import numpy as np
In [2]: vector1 = np.array([1, 2, 3])
In [3]: vector2 = np.array([4, 5, 6])

现在，按元素进行添加非常简单

In [4]: sum_vector = vector1 + vector2
In [5]: print sum_vector
[5 7 9]

就像Matlab一样。

与Ashwini的最快版本进行比较的时间:

In [16]: from operator import add
In [17]: n = 10**5
In [18]: vector2 = np.tile([4,5,6], n)
In [19]: vector1 = np.tile([1,2,3], n)
In [20]: list1 = [1,2,3]*n
In [21]: list2 = [4,5,6]*n
In [22]: timeit map(add, list1, list2)
10 loops, best of 3: 26.9 ms per loop

In [23]: timeit vector1 + vector2
1000 loops, best of 3: 1.06 ms per loop

所以这要快25倍!但是要用适合你的情况。对于一个简单的程序，您可能不想安装numpy，因此使用标准的python(我发现Henry的版本是最python的版本)。如果你喜欢严肃的数字运算，让numpy来做繁重的工作。对于速度狂人来说:似乎numpy解决方案在n = 8左右开始时更快。

[list1[i] + list2[i] for i in range(len(list1))]

有几种方法

使用Numpy

import numpy as np
x = np.array([2,3,3])
y = np.array([1,2,6])

print(type(x)) # <class 'numpy.ndarray'>
print(type(y)) # <class 'numpy.ndarray'>

print(x+y) # [3 5 9]
print(type(x+y)) # <class 'numpy.ndarray'>

在上面的代码中，你可以看到输入和输出都是NumPy数组格式。

import numpy as np
list1=[4,2,2,5]
list2=[2,1,6,7]

print(type(list1)) # <class 'list'>
print(type(list2)) # <class 'list'>

print(np.add(list1,list2)) # [ 6  3  8 12]
print(type(np.add(list1,list2))) # <class 'numpy.ndarray'>

这里输入和输出是不同的格式。

使用Numpy添加

import numpy as np
list1=[3, 1, 4]
list2=[0, 9, 7]

print(type(list1)) # <class 'list'>
print(type(list2)) # <class 'list'>

print(np.add(list1, list2).tolist()) # [3, 10, 11]
print(type(np.add(list1, list2).tolist())) # <class 'list'>

在这个例子中，我们显式地使用to_list()将NumPy数组转换为列表类型

使用Map和Lambda

list1=[1, 3, 3]
list2=[3, 6, 8]

print(map(lambda x,y:x+y, list1, list2)) # <map object at 0x7fea235260a0>
print(list(map(lambda x,y:x+y, list1, list2))) # [4, 9, 11]

使用zip和列表理解

list1=[3, 1, 3]
list2=[1, 1, 3]

print(type(list1)) # <class 'list'>
print(type(list2)) # <class 'list'>

print(x + y for x, y in zip(list1, list2)) # <generator object <genexpr> at 0x7f755307b6d0>
print(list(x + y for x, y in zip(list1, list2))) # [4, 2, 6]
print(type([x + y for x, y in zip(list1, list2)])) # <class 'list'>

print(sum(x) for x in zip(list1, list2)) # <generator object <genexpr> at 0x7f4c623e76d0>
print(list(sum(x) for x in zip(list1, list2))) # [4, 2, 6]
print(type([sum(x) for x in zip(list1, list2)])) # <class 'list'>

使用Map和operator.add

from operator import add
list1=[3, 1, 3]
list2=[1, 1, 3]
print(list(map(add, list1, list2))) # [4, 2, 6]