web-dev-qa-db-fra.com

Liste de compréhension sur une liste imbriquée?

J'ai cette liste imbriquée:

l = [['40', '20', '10', '30'], ['20', '20', '20', '20', '20', '30', '20'], ['30', '20', '30', '50', '10', '30', '20', '20', '20'], ['100', '100'], ['100', '100', '100', '100', '100'], ['100', '100', '100', '100']]

Maintenant, ce que je veux faire, c'est convertir chaque élément d'une liste en un nombre flottant. Ma solution est la suivante:

newList = []
for x in l:
  for y in x:
    newList.append(float(y))

Mais cela peut-il être fait en utilisant une compréhension de liste imbriquée, non?

ce que j'ai fait c'est:

[float(y) for y in x for x in l]

Mais alors le résultat est un tas de 100 avec la somme de 2400.

toute solution, une explication serait très appréciée. Merci!

189
Boy Pasmo

Voici comment procéder avec une compréhension de liste imbriquée:

[[float(y) for y in x] for x in l]

Cela vous donnerait une liste de listes, similaire à ce que vous avez commencé avec sauf avec des flottants au lieu de chaînes. Si vous voulez une liste simple, utilisez [float(y) for x in l for y in x].

279
Andrew Clark

Voici comment convertir une boucle imbriquée en une compréhension de liste imbriquée:

enter image description here

Voici comment fonctionne la compréhension de liste imbriquée:

            l a b c d e f
            ↓ ↓ ↓ ↓ ↓ ↓ ↓
In [1]: l = [ [ [ [ [ [ 1 ] ] ] ] ] ]
In [2]: for a in l:
   ...:     for b in a:
   ...:         for c in b:
   ...:             for d in c:
   ...:                 for e in d:
   ...:                     for f in e:
   ...:                         print(float(f))
   ...:                         
1.0

In [3]: [float(f)
         for a in l
   ...:     for b in a
   ...:         for c in b
   ...:             for d in c
   ...:                 for e in d
   ...:                     for f in e]
Out[3]: [1.0]

#Which can be written in single line as
In [4]: [float(f) for a in l for b in a for c in b for d in c for e in d for f in e]
Out[4]: [1.0]
144
Rahul
>>> l = [['40', '20', '10', '30'], ['20', '20', '20', '20', '20', '30', '20'], ['30', '20', '30', '50', '10', '30', '20', '20', '20'], ['100', '100'], ['100', '100', '100', '100', '100'], ['100', '100', '100', '100']]
>>> new_list = [float(x) for xs in l for x in xs]
>>> new_list
[40.0, 20.0, 10.0, 30.0, 20.0, 20.0, 20.0, 20.0, 20.0, 30.0, 20.0, 30.0, 20.0, 30.0, 50.0, 10.0, 30.0, 20.0, 20.0, 20.0, 100.0, 100.0, 100.0, 100.0, 100.0, 100.0, 100.0, 100.0, 100.0, 100.0, 100.0]
44
falsetru

Vous ne savez pas quelle est la sortie souhaitée, mais si vous utilisez la compréhension par liste, l'ordre suit l'ordre des boucles imbriquées, que vous avez en arrière. J'ai donc obtenu ce que je pense que vous voulez avec:

[float(y) for x in l for y in x]

Le principe est le suivant: utilisez le même ordre que vous utiliseriez pour l'écrire comme une boucle imbriquée.

31
Harry Binswanger

Depuis que je suis un peu en retard ici, mais je voulais partager comment fonctionne réellement la compréhension de liste, la compréhension de liste particulièrement imbriquée

New_list= [[float(y) for x in l]

est en fait identique à:

New_list=[]
for x in l:
    New_list.append(x)

Et maintenant, compréhension de la liste imbriquée:

[[float(y) for y in x] for x in l]

est identique à;

new_list=[]
for x in l:
    sub_list=[]
    for y in x:
        sub_list.append(float(y))

    new_list.append(sub_list)

print(new_list)

sortie:

[[40.0, 20.0, 10.0, 30.0], [20.0, 20.0, 20.0, 20.0, 20.0, 30.0, 20.0], [30.0, 20.0, 30.0, 50.0, 10.0, 30.0, 20.0, 20.0, 20.0], [100.0, 100.0], [100.0, 100.0, 100.0, 100.0, 100.0], [100.0, 100.0, 100.0, 100.0]]
4
Aaditya Ura

J'avais un problème similaire à résoudre alors je suis tombé sur cette question. J'ai comparé les performances d'Andrew Clark et de Narayan que je voudrais partager.

La principale différence entre deux réponses est la façon dont elles se répètent sur les listes internes. L'un d'entre eux utilise builtin map , tandis que l'autre utilise la compréhension par liste. La fonction de carte a un léger avantage de performance par rapport à la compréhension de liste équivalente si elle ne nécessite pas l’utilisation de lambdas . Donc, dans le contexte de cette question, map devrait fonctionner légèrement mieux que la compréhension de liste.

Faisons un test de performance pour voir si c'est réellement vrai. J'ai utilisé python version 3.5.0 pour effectuer tous ces tests. Dans la première série de tests, je voudrais conserver les éléments par liste 10 et faire varier le nombre de listes de 10 -100,000

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,10))]*10]"
>>> 100000 loops, best of 3: 15.2 usec per loop   
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,10))]*10]"
>>> 10000 loops, best of 3: 19.6 usec per loop 

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,10))]*100]"
>>> 100000 loops, best of 3: 15.2 usec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,10))]*100]"
>>> 10000 loops, best of 3: 19.6 usec per loop 

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,10))]*1000]"
>>> 1000 loops, best of 3: 1.43 msec per loop   
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,10))]*1000]"
>>> 100 loops, best of 3: 1.91 msec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,10))]*10000]"
>>> 100 loops, best of 3: 13.6 msec per loop   
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,10))]*10000]"
>>> 10 loops, best of 3: 19.1 msec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,10))]*100000]"
>>> 10 loops, best of 3: 164 msec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,10))]*100000]"
>>> 10 loops, best of 3: 216 msec per loop

enter image description here

Dans la prochaine série de tests, j'aimerais augmenter le nombre d'éléments par liste à 100 .

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,100))]*10]"
>>> 10000 loops, best of 3: 110 usec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,100))]*10]"
>>> 10000 loops, best of 3: 151 usec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,100))]*100]"
>>> 1000 loops, best of 3: 1.11 msec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,100))]*100]"
>>> 1000 loops, best of 3: 1.5 msec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,100))]*1000]"
>>> 100 loops, best of 3: 11.2 msec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,100))]*1000]"
>>> 100 loops, best of 3: 16.7 msec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,100))]*10000]"
>>> 10 loops, best of 3: 134 msec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,100))]*10000]"
>>> 10 loops, best of 3: 171 msec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,100))]*100000]"
>>> 10 loops, best of 3: 1.32 sec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,100))]*100000]"
>>> 10 loops, best of 3: 1.7 sec per loop

enter image description here

Faisons un pas courageux et modifions le nombre d'éléments dans les listes pour qu'il soit 1000

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,1000))]*10]"
>>> 1000 loops, best of 3: 800 usec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,1000))]*10]"
>>> 1000 loops, best of 3: 1.16 msec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,1000))]*100]"
>>> 100 loops, best of 3: 8.26 msec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,1000))]*100]"
>>> 100 loops, best of 3: 11.7 msec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,1000))]*1000]"
>>> 10 loops, best of 3: 83.8 msec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,1000))]*1000]"
>>> 10 loops, best of 3: 118 msec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,1000))]*10000]"
>>> 10 loops, best of 3: 868 msec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,1000))]*10000]"
>>> 10 loops, best of 3: 1.23 sec per loop

>>> python -m timeit "[list(map(float,k)) for k in [list(range(0,1000))]*100000]"
>>> 10 loops, best of 3: 9.2 sec per loop
>>> python -m timeit "[[float(y) for y in x] for x in [list(range(0,1000))]*100000]"
>>> 10 loops, best of 3: 12.7 sec per loop

enter image description here

À partir de ces tests, nous pouvons conclure que map présente un avantage en performances par rapport à la compréhension de liste dans ce cas. Ceci est également applicable si vous essayez de convertir en int ou str. Pour un petit nombre de listes avec moins d'éléments par liste, la différence est négligeable. Pour les listes plus volumineuses avec plus d'éléments par liste, on peut utiliser map au lieu de la compréhension de liste, mais cela dépend totalement des besoins de l'application.

Cependant, je trouve personnellement que la compréhension de liste est plus lisible et idiomatique que map. C'est un standard de facto en python. Habituellement, les utilisateurs maîtrisent mieux la compréhension de liste que map (particulièrement les débutants).

3
Sohaib Farooqi

Si vous n'aimez pas les compréhensions de liste imbriquées, vous pouvez également utiliser la fonction map ,

>>> from pprint import pprint

>>> l = l = [['40', '20', '10', '30'], ['20', '20', '20', '20', '20', '30', '20'], ['30', '20', '30', '50', '10', '30', '20', '20', '20'], ['100', '100'], ['100', '100', '100', '100', '100'], ['100', '100', '100', '100']] 

>>> pprint(l)
[['40', '20', '10', '30'],
['20', '20', '20', '20', '20', '30', '20'],
['30', '20', '30', '50', '10', '30', '20', '20', '20'],
['100', '100'],
['100', '100', '100', '100', '100'],
['100', '100', '100', '100']]

>>> float_l = [map(float, nested_list) for nested_list in l]

>>> pprint(float_l)
[[40.0, 20.0, 10.0, 30.0],
[20.0, 20.0, 20.0, 20.0, 20.0, 30.0, 20.0],
[30.0, 20.0, 30.0, 50.0, 10.0, 30.0, 20.0, 20.0, 20.0],
[100.0, 100.0],
[100.0, 100.0, 100.0, 100.0, 100.0],
[100.0, 100.0, 100.0, 100.0]]
3
narayan

Ce problème peut être résolu sans utiliser for loop.Un code à ligne unique suffira pour cela. L'utilisation de la carte imbriquée avec la fonction lambda fonctionne également ici.

l = [['40', '20', '10', '30'], ['20', '20', '20', '20', '20', '30', '20'], ['30', '20', '30', '50', '10', '30', '20', '20', '20'], ['100', '100'], ['100', '100', '100', '100', '100'], ['100', '100', '100', '100']]

map(lambda x:map(lambda y:float(y),x),l)

Et la liste de sortie serait comme suit:

[[40.0, 20.0, 10.0, 30.0], [20.0, 20.0, 20.0, 20.0, 20.0, 30.0, 20.0], [30.0, 20.0, 30.0, 50.0, 10.0, 30.0, 20.0, 20.0, 20.0], [100.0, 100.0], [100.0, 100.0, 100.0, 100.0, 100.0], [100.0, 100.0, 100.0, 100.0]]
2
Aakash Goel

Oui, vous pouvez le faire avec un tel code:

l = [[float(y) for y in x] for x in l]
2
Victor

Oui, vous pouvez faire ce qui suit.

[[float(y) for y in x] for x in l]
0
user1142317

A mon avis, la meilleure façon de procéder consiste à utiliser le paquetage itertools de python.

>>>import itertools
>>>l1 = [1,2,3]
>>>l2 = [10,20,30]
>>>[l*2 for l in itertools.chain(*[l1,l2])]
[2, 4, 6, 20, 40, 60]
0
Thomasillo