Python 在列表中动态生成列表元素
我有一个列表,它由以下元素组成Python 在列表中动态生成列表元素,python,generator,sequence-generators,Python,Generator,Sequence Generators,我有一个列表,它由以下元素组成 list1 = [a1,a2,a3] 其中该列表的每个元素本身可以是一个可变大小的列表,例如 a1 = [x1,y1,z1], a2 = [w2,x2,y2,z2], a3 = [p3,r3,t3,n3] 对我来说,直接建立一个生成器,在列表1中循环,并生成每个元素的成分 array = [] for i in list1: for j in i: array.append[j] yield array 但是,有没有一
list1 = [a1,a2,a3]
其中该列表的每个元素本身可以是一个可变大小的列表,例如
a1 = [x1,y1,z1], a2 = [w2,x2,y2,z2], a3 = [p3,r3,t3,n3]
对我来说,直接建立一个生成器,在列表1中循环,并生成每个元素的成分
array = []
for i in list1:
for j in i:
array.append[j]
yield array
但是,有没有一种方法可以指定数组的大小
eg—两个批次的批量
1st yield : [x1,y1]
2nd yield : [z1,w1]
3rd yield : [x2,y2]
4th yield : [z2,p3]
5th yield : [r3,t3]
6th yield : [n3]
7th yield : repeat 1st
或批量大小为4
1st yield : [x1,y1,z1,w1]
2nd yield : [x2,y2,z2,p3]
3rd yield : [r3,t3,n3]
4th yield : repeat first
对不同大小的列表执行此操作似乎很重要,每个列表中包含其他不同大小的列表。这非常简单,实际上,使用
itertools
:
>>> a1 = ['x1','y1','z1']; a2 = ['w2','x2','y2','z2']; a3 = ['p3','r3','t3','n3']
>>> list1 = [a1,a2,a3]
>>> from itertools import chain, islice
>>> flatten = chain.from_iterable
>>> def slicer(seq, n):
... it = iter(seq)
... return lambda: list(islice(it,n))
...
>>> def my_gen(seq_seq, batchsize):
... for batch in iter(slicer(flatten(seq_seq), batchsize), []):
... yield batch
...
>>> list(my_gen(list1, 2))
[['x1', 'y1'], ['z1', 'w2'], ['x2', 'y2'], ['z2', 'p3'], ['r3', 't3'], ['n3']]
>>> list(my_gen(list1, 4))
[['x1', 'y1', 'z1', 'w2'], ['x2', 'y2', 'z2', 'p3'], ['r3', 't3', 'n3']]
注意,我们可以在Python 3.3+中使用来自的yield:
>>> def my_gen(seq_seq, batchsize):
... yield from iter(slicer(flatten(seq_seq), batchsize), [])
...
>>> list(my_gen(list1,2))
[['x1', 'y1'], ['z1', 'w2'], ['x2', 'y2'], ['z2', 'p3'], ['r3', 't3'], ['n3']]
>>> list(my_gen(list1,3))
[['x1', 'y1', 'z1'], ['w2', 'x2', 'y2'], ['z2', 'p3', 'r3'], ['t3', 'n3']]
>>> list(my_gen(list1,4))
[['x1', 'y1', 'z1', 'w2'], ['x2', 'y2', 'z2', 'p3'], ['r3', 't3', 'n3']]
>>>
您可以在这里使用itertools
,在您的情况下,我会使用和
如果您不介意附加依赖项,也可以在此处使用(尽管它返回元组而不是列表)1:
或:
1免责声明:我是该图书馆的作者
时间:
如果将任务分为两个步骤,则这相对来说是微不足道的:
将列表展平
根据批大小发出块
下面是一个示例实现:
from itertools import chain
def break_into_batches(items, batch_size):
flattened = list(chain(*items))
for i in range(0, len(flattened), batch_size):
yield flattened[i:i+batch_size]
考虑到适用于列表的以下目标
产量批次,每个给定的大小
重复此过程一定数量的循环
可以实现以下目标:
import more_itertools as mit
def batch(iterable, size=2, cycles=1):
"""Yield resized batches of an iterable."""
iterable = mit.ncycles(iterable, cycles)
return mit.chunked(mit.flatten(iterable), size)
list(batch(list1, 3))
# [["x1", "y1", "z1"], ["w2", "x2", "y2"], ["z2", "p3", "r3"], ["t3", "n3"]]
list(batch(list1, size=3, cycles=2))
# [["x1", "y1", "z1"], ["w2", "x2", "y2"], ["z2", "p3", "r3"],
# ["t3", "n3", "x1"], ["y1", "z1", "w2"], ["x2", "y2", "z2"],
# ["p3", "r3", "t3"], ["n3"]]
有关每个工具的详细信息,请参阅文档。我理解的list1
仅包含其他列表是否正确?当您说repeat 1st
时,是否表示要在遍历列表一次后循环该列表?比如第八个收益率:重复第二个收益率,等等?如果列表1太大而无法放入内存,如何?在我的案例中,它们实际上是我连续拍摄的图像loading@obtmind嗯,这似乎是一个完全无关的问题。保存这些信息的数据结构是什么?您正在使用列表吗?您可能需要某种数组。不管怎么说,列表的内存非常非常大,只要你能将中间的列表保存在内存中,就不难将上面的内容调整为使用这些图像的某种生成器,然后将该生成器作为seq\u-seq
传递给,我建议您在答案中添加性能测试。我得到:%timeit列表(将\u分成批(arr,4))
:1000个循环,每个循环的最佳时间为3:950µs,%timeit列表(我的第代(arr,4))
:100个循环,每个循环的最佳时间为3:3.4 ms,以及%timeit列表(展平_和_批(arr,4))
:100个循环,每个循环最好3:3.12 ms。这些测试使用arr=import random;[[random.randint(1100)表示范围内的i(random.randint(1100))]表示范围内的k(300)]
很好的测试!我没有注意到你的第二个解决方案!@AGNGazer,但第二个解决方案需要一个外部库,并返回一个元组列表而不是列表列表。这就是为什么它是唯一的解决方案2。:)那么,你要么重写库以返回列表,要么我收回我的投票:)说真的,@JoelCornett确实是一个快速的解决方案“通用”解决方案。迭代实用程序方法
解决方案速度更快,即使包装在映射(列表…)
(返回列表列表)。然而,列表(链(…)有一点“问题”)
approach-它在内存中创建一个完整的列表,而所有其他方法都是惰性的。这使得解决方案非常快,但也使得它的内存非常昂贵。
>>> Iterable(list1).flatten().grouper(3).as_list()
[('x1', 'y1', 'z1'), ('w2', 'x2', 'y2'), ('z2', 'p3', 'r3'), ('t3', 'n3')]
>>> Iterable(list1).flatten().grouper(4).map(list).as_list()
[['x1', 'y1', 'z1', 'w2'], ['x2', 'y2', 'z2', 'p3'], ['r3', 't3', 'n3']]
from itertools import chain, islice
flatten = chain.from_iterable
from iteration_utilities import flatten, grouper, Iterable
def slicer(seq, n):
it = iter(seq)
return lambda: list(islice(it,n))
def my_gen(seq_seq, batchsize):
for batch in iter(slicer(flatten(seq_seq), batchsize), []):
yield batch
def flatten_and_batch(lst, size):
it = flatten(lst)
while True:
res = list(islice(it, size))
if not res:
break
else:
yield res
def iteration_utilities_approach(seq, size):
return grouper(flatten(seq), size)
def partition(lst, c):
all_elem = list(chain.from_iterable(lst))
for k in range(0, len(all_elem), c):
yield all_elem[k:k+c]
def juanpa(seq, size):
return list(my_gen(seq, size))
def mseifert1(seq, size):
return list(flatten_and_batch(seq, size))
def mseifert2(seq, size):
return list(iteration_utilities_approach(seq, size))
def JoelCornett(seq, size):
return list(partition(seq, size))
# Timing setup
timings = {juanpa: [],
mseifert1: [],
mseifert2: [],
JoelCornett: []}
sizes = [2**i for i in range(1, 18, 2)]
# Timing
for size in sizes:
print(size)
func_input = [['x1','y1','z1']]*size
for func in timings:
print(str(func))
res = %timeit -o func(func_input, 3)
timings[func].append(res)
%matplotlib notebook
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1)
ax = plt.subplot(111)
for func in timings:
ax.plot(sizes,
[time.best for time in timings[func]],
label=str(func.__name__))
ax.set_xscale('log')
ax.set_yscale('log')
ax.set_xlabel('size')
ax.set_ylabel('time [seconds]')
ax.grid(which='both')
ax.legend()
plt.tight_layout()
from itertools import chain
def break_into_batches(items, batch_size):
flattened = list(chain(*items))
for i in range(0, len(flattened), batch_size):
yield flattened[i:i+batch_size]
import more_itertools as mit
def batch(iterable, size=2, cycles=1):
"""Yield resized batches of an iterable."""
iterable = mit.ncycles(iterable, cycles)
return mit.chunked(mit.flatten(iterable), size)
list(batch(list1, 3))
# [["x1", "y1", "z1"], ["w2", "x2", "y2"], ["z2", "p3", "r3"], ["t3", "n3"]]
list(batch(list1, size=3, cycles=2))
# [["x1", "y1", "z1"], ["w2", "x2", "y2"], ["z2", "p3", "r3"],
# ["t3", "n3", "x1"], ["y1", "z1", "w2"], ["x2", "y2", "z2"],
# ["p3", "r3", "t3"], ["n3"]]