检查Python中的多维列表

我有一些1维或2维的数据。我希望遍历数据集中的每个模式，并对其执行foo（）。如果数据是1D，则将该值添加到列表中，如果是2D，则取内部列表的平均值并附加该值。 我看到了，并决定实现它，例如检查列表。我无法将numpy用于此应用程序

    outputs = []
    for row in data:
        if isinstance(row, list):
            vals = [foo(window) for window in row]
            outputs.append(sum(vals)/float(len(vals)))
        else:
            outputs.append(foo(row))

---

有没有更整洁的方法？在每次运行中，每个模式都具有相同的维度，因此我可以为1D/2D创建一个单独的类，但这将为我的代码添加很多类。数据集可能会变得相当大，因此最好采用快速解决方案。

您的代码已经尽可能地整洁和快速了。唯一的轻微改进是将

[foo（窗口）替换为行中窗口]

替换为

映射（foo，row）

，这可以通过基准测试看到：

> python -m timeit "foo = lambda x: x+1; list(map(foo, range(1000)))"
10000 loops, best of 3: 132 usec per loop
> python -m timeit "foo = lambda x: x+1; [foo(a) for a in range(1000)]"
10000 loops, best of 3: 140 usec per loop

isinstance（）

似乎已经比其对应的

hasattr（）

和

type（）==

更快了：

> python -m timeit "[isinstance(i, int) for i in range(1000)]"
10000 loops, best of 3: 117 usec per loop
> python -m timeit "[hasattr(i, '__iter__') for i in range(1000)]"
1000 loops, best of 3: 470 usec per loop
> python -m timeit "[type(i) == int for i in range(1000)]"
10000 loops, best of 3: 130 usec per loop

但是，如果您认为简短整洁，也可以简化代码（替换

映射后）到：

mean=lambda x:sum（x）/float（len（x））#或python3.4中的“从统计数据导入平均值”
输出=[foo（r）if isinstance（r，int）else mean（map（foo，r））表示数据中的r]
我会检查hasattr（第[0]行，“'u iter_uuu'）而不是isinstance（），但我认为没有更快或更优雅的方法。对meSee来说也很整洁。Python3.4（如果您有幸使用它）引入了@knitti
集合。应该改用Iterable
，而
\uu iter_uuu
对字符串无效。