將不規(guī)則的Python多維數(shù)組拉平到一維的方法實現(xiàn)
原始需求:
例如有一個列表:
l = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
希望把它轉(zhuǎn)換成下面這種形式:
[1, 2, 3, 4, 5, 6, 7, 8, 9]
其實這個非常簡單,我將分享三個一行式代碼來解決這個問題。
但如果是下面這種不規(guī)則的多維列表:
l = [[1, 2], [3, 4], [5, [6, 7, [8, 9]]], 10, [11, [12, 13, [14, 15, [16]]]]]
我們想將它拉平到一維列表:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
又該怎么實現(xiàn)呢?
文末將演示通過遞歸或棧來實現(xiàn)深度優(yōu)先遍歷策略從而解決這個問題。
使用numpy拉平數(shù)組
import numpy as np np.array(l).flatten().tolist()
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9]
使用python拉平數(shù)組
使用numpy數(shù)組拉平數(shù)組,其實很受限,一旦列表內(nèi)部每個元素的長度不一致,numpy就不好使了:
l = [[1, 2, 3], [4, 5], [6, 7], [8, 9, 10, 11]] np.array(l).flatten().tolist()
D:\Anaconda3\lib\site-packages\ipykernel_launcher.py:2: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray
結(jié)果:
[[1, 2, 3], [4, 5], [6, 7], [8, 9, 10, 11]]
這時我們可以通過python的itertools來實現(xiàn)高效的操作:
import itertools list(itertools.chain(*l))
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
當(dāng)然還有一種更高級的操作方法是直接使用sum函數(shù):
sum(l, [])
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
你可能一臉懵逼,為什么sum函數(shù)可以實現(xiàn)列表的拉平?下面我翻譯一下,這段代碼實際做了什么:
result = [] for i in l: result += i result
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
將不規(guī)則多維數(shù)組拉平到1維
例如,對于下面這個復(fù)雜的列表:
l = [[1, 2], [3, 4], [5, [6, 7, [8, 9]]], 10, [11, [12, 13, [14, 15, [16]]]]] l
結(jié)果:
[[1, 2], [3, 4], [5, [6, 7, [8, 9]]], 10, [11, [12, 13, [14, 15, [16]]]]]
這樣的列表,對于上面的方法來說已經(jīng)都不好使了,這個時候怎么辦呢?
當(dāng)然對于這種長度不長的列表,我們可以玩點小技巧:
list_str = str(l).replace("[", "").replace("]", "") eval(f"[{list_str}]")
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
當(dāng)然,使用正則替換更佳:
import re eval(re.sub("(?!^)\[|\](?!$)", "", str(l)))
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
原理就是先將這個列表轉(zhuǎn)成普通的字符串,再將所有的[]字符都去掉,再轉(zhuǎn)成單維列表的字符串形式之后,用eval函數(shù)進行解析。但這種方式在列表足夠長的時候顯然是不合適的,會出現(xiàn)效率低下的問題。
深度優(yōu)先遍歷策略拉平多維數(shù)組
下面我介紹一個正常的解決這個問題的辦法,那就是使用深度優(yōu)先遍歷策略來解決這個問題,當(dāng)然如果你對拉平的結(jié)果沒有順序的要求還可以使用廣度優(yōu)先遍歷的策略。
深度優(yōu)先遍歷策略,最簡單直接的思路是使用遞歸來實現(xiàn):
def flatten(items, result=[]): for item in items: if isinstance(item, list): flatten(item, result) else: result.append(item) result = [] flatten(l, result) result
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
雖然遞歸可能出現(xiàn)調(diào)用棧過多導(dǎo)致性能下降或程序掛掉,但Python可以借助生成器讓遞歸調(diào)用變成普通調(diào)用:
def flatten(items): for item in items: if isinstance(item, list): yield from flatten(item) else: yield item result = [e for e in flatten(l)] result
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
而如果我們想不使用遞歸或生成器類遞歸,可以直接借助一個棧來實現(xiàn)。
為了保證結(jié)果是原有的順序,我們把左端作為棧頂,而數(shù)組不適合刪除左端的數(shù)據(jù),所以可以使用deque來作為棧。
首先,我們需要將原列表轉(zhuǎn)換為deque,下面是處理代碼:
from collections import deque stack = deque(l) result = [] while len(stack) != 0: item = stack.popleft() if isinstance(item, list): for e in reversed(item): stack.appendleft(e) else: result.append(item) result
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
如果我們將原列表作為一個右端為棧頂?shù)臈?,可以通過向結(jié)果左端插入數(shù)據(jù)來保持原有的順序:
from collections import deque stack = l.copy() result = deque() while len(stack) != 0: item = stack.pop() if isinstance(item, list): for e in item: stack.append(e) else: result.appendleft(item) result = list(result) result
結(jié)果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
小結(jié)
想不到小小的列表拉平還有這么多學(xué)問,希望今天的分享能夠?qū)ψ屇銓W(xué)有所獲。
到此這篇關(guān)于將不規(guī)則的Python多維數(shù)組拉平到一維的方法實現(xiàn)的文章就介紹到這了,更多相關(guān)Python多維數(shù)組拉平到一維內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Matplotlib中%matplotlib inline如何使用
這篇文章主要介紹了Matplotlib中%matplotlib inline如何使用,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07利用PyQt5+Matplotlib 繪制靜態(tài)/動態(tài)圖的實現(xiàn)代碼
這篇文章主要介紹了利用PyQt5+Matplotlib 繪制靜態(tài)/動態(tài)圖的實現(xiàn)代碼,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07python中的[1:]、[::-1]、X[:,m:n]和X[1,:]的使用
本文主要介紹了python中的[1:]、[::-1]、X[:,m:n]和X[1,:]的使用,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-08-08django mysql數(shù)據(jù)庫及圖片上傳接口詳解
這篇文章主要介紹了django mysql數(shù)據(jù)庫及圖片上傳接口詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-07-07一文學(xué)會如何將Python打包后的exe還原成.py
反編譯的第一步就是要將exe文件轉(zhuǎn)換成py文件,下面這篇文章主要給大家介紹了如何通過一文學(xué)會將Python打包后的exe還原成.py的相關(guān)資料,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-11-11分布式爬蟲scrapy-redis的實戰(zhàn)踩坑記錄
最近用scrapy-redis嘗試了分布式爬蟲,使用過程中也遇到了不少問題,下面這篇文章主要給大家介紹了關(guān)于分布式爬蟲scrapy-redis的實戰(zhàn)踩坑記錄,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-08-08