這幾天和同事在討論，如何用 Python 寫出優雅的讓列表中的列表展開，變成扁平化的列表。

例如

# 期望輸入input = [[(’A’, 1), (’B’, 2)], [(’C’, 3), (’D’, 4)]] # 期望輸出output = [(’A’, 1), (’B’, 2), (’C’, 3), (’D’, 4)]map 函數合并

>>> new = []; map(new.extend, input); new[None, None][(’A’, 1), (’B’, 2), (’C’, 3), (’D’, 4)]

這個方法看上去還可以，但是有個致命的缺點，就是map函數會返回值，并且這個返回值是沒有用的。另外還需要提前聲明一個變量，從代碼的簡潔性上，不夠簡潔優雅。

>>> sum(input, [])[(’A’, 1), (’B’, 2), (’C’, 3), (’D’, 4)]

這個看上去很簡潔，不過有類似字符串累加的性能陷阱。后面有性能對比。

>>> reduce(list.__add__, input)[(’A’, 1), (’B’, 2), (’C’, 3), (’D’, 4)]

做序列的累加操作。也是有累加的性能陷阱。

>>> [item for sublist in input for item in sublist][(’A’, 1), (’B’, 2), (’C’, 3), (’D’, 4)]

列表推導式，看著有些長，而且還要for循環兩次，變成一行理解需要費勁一些，沒有那么直觀。

>>> list(itertools.chain(*input))[(’A’, 1), (’B’, 2), (’C’, 3), (’D’, 4)]

通過第三方類庫類實現的，相比其他的幾個實現，看著還算比較優雅。最后的性能發現居然還很高。

python -mtimeit -s’l=[[1,2,3],[4,5,6], [7], [8,9]]*99’ ’reduce(list.__add__,l)’1000 loops, best of 3: 547 usec per looppython -mtimeit -s’l=[[1,2,3],[4,5,6], [7], [8,9]]*99’ ’sum(l, [])’1000 loops, best of 3: 509 usec per looppython -mtimeit -s’l=[[1,2,3],[4,5,6], [7], [8,9]]*99’ ’[item for sublist in l for item in sublist]’10000 loops, best of 3: 52.8 usec per looppython -mtimeit -s’l=[[1,2,3],[4,5,6], [7], [8,9]]*99; import itertools;’ ’list(itertools.chain(*l))’10000 loops, best of 3: 35.9 usec per looppython -mtimeit -s’l=[[1,2,3],[4,5,6], [7], [8,9]]*99’ ’new = []; map(new.extend, l); new’10000 loops, best of 3: 34.1 usec per loop

歡迎大家共同探討優雅的的實現和性能的優化。

補充：python 將(含嵌套的)dict平鋪展開

話不多說，直接上代碼：

def prefix_dict(di_, prefix_s=’’): ''' 把字典的每個key都帶上前綴prefix_s :param di_: :param prefix_s: :return: ''' return {prefix_s + k: v for k, v in di_.items()} def spear_dict(di_, con_s=’.’): ''' 展開dict(如果下層還是dict)，需要遞歸，展開到下層的數據類型不是字典為止 可能實用的地方：將文檔類的數據格式化成更加關系化的樣子可能有用 :param di_: 輸入字典 :param con_s: 層級間的連接符號 :return: 深度不大于1的字典，嵌套的其他數據類型照舊 ''' ret_di = {} for k, v in di_.items(): if type(v) is dict: v = spear_dict(v) # 這里或許有不寫到這一層的更好寫法 # for k_, v_ in v.items(): # ret_di.update({con_s.join([k, k_]): v_}) ret_di.update(prefix_dict(v, prefix_s=k + con_s)) else: ret_di.update({k: v}) return ret_di

>>> di_{’title’: ’新田商業街’, ’reliability’: 7, ’addressComponents’: {’streetNumber’: ’’, ’city’: ’深圳市’, ’street’: ’’, ’province’: ’廣東省’, ’district’: ’龍華區’}, ’location’: {’lng’: 114.09127044677734, ’lat’: 22.700519561767578}, ’adInfo’: {’adcode’: ’440309’}, ’level’: 11, ’more_deep’: {’loca’: {’lng’: 114.09127044677734, ’lat’: 22.700519561767578}}}>>> spear_dict(di_){’title’: ’新田商業街’, ’reliability’: 7, ’addressComponents.streetNumber’: ’’, ’addressComponents.city’: ’深圳市’, ’addressComponents.street’: ’’, ’addressComponents.province’: ’廣東省’, ’addressComponents.district’: ’龍華區’, ’location.lng’: 114.09127044677734, ’location.lat’: 22.700519561767578, ’adInfo.adcode’: ’440309’, ’level’: 11, ’more_deep.loca.lng’: 114.09127044677734, ’more_deep.loca.lat’: 22.700519561767578}spear_dict(di_, ’_’){’title’: ’新田商業街’, ’reliability’: 7, ’addressComponents_streetNumber’: ’’, ’addressComponents_city’: ’深圳市’, ’addressComponents_street’: ’’, ’addressComponents_province’: ’廣東省’, ’addressComponents_district’: ’龍華區’, ’location_lng’: 114.09127044677734, ’location_lat’: 22.700519561767578, ’adInfo_adcode’: ’440309’, ’level’: 11, ’more_deep_loca.lng’: 114.09127044677734, ’more_deep_loca.lat’: 22.700519561767578}

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持好吧啦網。如有錯誤或未考慮完全的地方，望不吝賜教。