假設我有以下嵌套列表：initial_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]我想把它變成以下：desired_list = [[1, 1, 1, 2, 2, 2, 3, 3, 3], [4, 4, 4, 5, 5, 5, 6, 6, 6], [7, 7, 7, 8, 8, 8, 9, 9, 9]]如果我不關心訂單，我可以做類似的事情new_list = [sorted(x*3) for x in initial_list]但是，順序應與initial_list. 我能做的最好的是將每個元素放在一個列表中并將其乘以 3（任意數），然后加入結果inner_list：multiplied_list = [[[element]*3 for element in inner_list] for inner_list in initial_list]desired_list = [[element for element_list in inner_list for element in element_list] for inner_list in multiplied_list]（在人類理解的兩個列表中）是否有更易于理解/充分/pythonic 的方式來執行此操作？
4 回答
侃侃爾雅
TA貢獻1801條經驗 獲得超16個贊
您可以只使用以下列表理解。請注意，我initial_list與 OP 中的不同，以證明保留了訂單。
代碼：
>>> initial_list = [[1, 3, 2], [4, 5, 6], [7, 8, 9]]
>>> [[x for x in sl for _ in range(3)] for sl in initial_list]
[[1, 1, 1, 3, 3, 3, 2, 2, 2],
[4, 4, 4, 5, 5, 5, 6, 6, 6],
[7, 7, 7, 8, 8, 8, 9, 9, 9]]
或者，在您的示例中向 sorted 函數添加一個鍵：
>>> [sorted(x*3, key=x.index) for x in initial_list]
[[1, 1, 1, 3, 3, 3, 2, 2, 2],
[4, 4, 4, 5, 5, 5, 6, 6, 6],
[7, 7, 7, 8, 8, 8, 9, 9, 9]]
具有不同 n*n 列表大小的方法的時間比較：
使用perfplot生成- 代碼重現：
from itertools import chain
from functools import reduce
import perfplot
from copy import deepcopy
import numpy as np
import random
def shuffle(x):
random.shuffle(x)
return x
def cdjb(initial_list):
return [[x for x in sl for _ in range(3)] for sl in initial_list]
def aurora_sorted(initial_list):
return [sorted(x*3, key=x.index) for x in initial_list]
def aurora_list_comp(initial_list):
return [[element for element_list in inner_list for element in element_list] for inner_list in [[[element]*3 for element in inner_list] for inner_list in initial_list]]
def kederrac(initial_list):
new_list = deepcopy(initial_list)
for l in new_list:
for j in range(0, 3*len(l), 3):
l[j: j + 1] = [l[j]] * 3
return new_list
def alain_chain(initial_list):
return [list(chain(*(i3 for i3 in zip(*[sl]*3)))) for sl in initial_list]
def alain_reduce(initial_list):
return [list(reduce(lambda a,e:a+[e]*3,sl,[]))for sl in initial_list]
def alain_zip(initial_list):
return [[i for i3 in zip(*[sl]*3) for i in i3] for sl in initial_list]
def binyamin_numpy(initial_list):
return np.array(initial_list).repeat(3).reshape(len(initial_list), -1).tolist()
perfplot.show(
setup=lambda n: [shuffle([i for i in range(n)]) for j in range(n)],
n_range=[2**k for k in range(12)],
kernels=[
cdjb,aurora_sorted, aurora_list_comp, kederrac, alain_chain, alain_reduce, alain_zip, binyamin_numpy
],
xlabel='len(x)',
)
弒天下
TA貢獻1818條經驗 獲得超8個贊
numpy 和 1 行代碼：
arr=np.array(initial_list) arr.repeat(3).reshape(3,-1)
輸出：
Out[44]: array([[1, 1, 1, 2, 2, 2, 3, 3, 3], [4, 4, 4, 5, 5, 5, 6, 6, 6], [7, 7, 7, 8, 8, 8, 9, 9, 9]])
aluckdog
TA貢獻1847條經驗 獲得超7個贊
這是一個使用 2 個 for 循環的簡單示例：
for l in initial_list:
for j in range(0, 3*len(l), 3):
l[j: j + 1] = [l[j]] * 3
我一直在測試@CDJB 解決方案（帶排序）：
from random import choice
def test1():
initial_list = [[choice(range(1000)) for _ in range(1000)] for _ in range(100)]
def my_func(initial_list):
for l in initial_list:
for j in range(0, 3*len(l), 3):
l[j: j + 1] = [l[j]] * 3
return initial_list
my_func(initial_list)
def test2():
initial_list = [[choice(range(1000)) for _ in range(1000)] for _ in range(100)]
[sorted(x*3, key=x.index) for x in initial_list]
結果如下：
%timeit test2()
1.55 s ± 5.12 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
和：
%timeit test1()
165 ms ± 542 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
這個簡單的解決方案快 9 倍，當然取決于您的數據
臨摹微笑
TA貢獻1982條經驗 獲得超2個贊
您可以使用 zip 和 chain（來自 itertools）來做到這一點：
from itertools import chain
aList = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
aList3 = [ list(chain(*(i3 for i3 in zip(*[sl]*3)))) for sl in aList ]
或使用 functools 中的 reduce （在較大的列表中速度要慢得多）：
from functools import reduce
aList = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
aList3 = [ list(reduce(lambda a,e:a+[e]*3,sl,[]))for sl in aList ]
或帶有嵌套理解的 zip（比鏈式壓縮要快一點）：
aList = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
aList3 = [[i for i3 in zip(*[sl]*3) for i in i3] for sl in initial_list]
添加回答
舉報
0/150
提交
取消