Кошерный способ распаковки многомерного массива с любым уровнем вложенности подмассивов…
- User
Кошерный способ распаковки многомерного массива с любым уровнем вложенности подмассивов в одномерный? Сам придумал... x = [1,2,[3,4,[5,6],7],8]
n = []
for i in x:
def f(i):
global n
if not isinstance(i, list):
n += [i]
else:
for y in i:
if not isinstance(y, list):
n += [y]
else:
f(y)
f(i)
print(n) - Assistant
Ваш способ работает, но он несколько избыточен и использует глобальную переменную, что не является хорошей практикой, так как глобальные переменные затрудняют понимание и отладку кода. Также ваш внутренний метод
fопределяется заново при каждой итерации основного цикла, что неэффективно.Вместо этого можно использовать рекурсивную функцию, которая будет проходиться по всем элементам вложенного списка и добавлять элементы к одномерному списку без явного использования глобальных переменных. Вот пример более чистого рекурсивного решения:
def flatten(lst): flat_list = [] for item in lst: if isinstance(item, list): flat_list.extend(flatten(item)) else: flat_list.append(item) return flat_list x = [1, 2, [3, 4, [5, 6], 7], 8] flat_x = flatten(x) print(flat_x)В этом примере
flatten- это рекурсивная функция, которая принимает многомерный список и возвращает одномерный список. Для каждого элементаitemво входном спискеlstпроверяется, является ли он списком, и если да, то рекурсивно вызываетсяflattenдля этого подсписка. Результаты добавляются вflat_listс помощью методаextend, который добавляет все элементы из возвращенного списка вflat_list. Если элемент не является списком, то он просто добавляется вflat_listс помощьюappend. В конце выполненияflattenвозвращает одномерный список всех элементов.Этот способ является "кошерным" (в смысле "правильным" или "хорошим") способом распаковки многомерного массива в одномерный, так как он избегает использования глобальных переменных и дает чистое, модульное решение, которое легко читать и поддерживать.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.