Python 如何将递归函数的中间结果放入列表中？

我编写了一个简单的递归函数来删除最大和的列，直到数据帧减小到我想要的大小。代码如下：

s = pd.DataFrame({'a': [1,1,1,1,1,1], 
                  'b': [2,2,2,2,2,2], 
                  'c': [3,3,3,3,3,3], 
                  'd': [4,4,4,4,4,4], 
                  'e': [5,5,5,5,5,5]}) 

def recSelect(inputdf):
    if inputdf.shape[1]<=2:
        return inputdf
    else:
        total = inputdf.sum()
        idx = total.idxmax()
        inputdf.drop(idx, axis=1, inplace=True)
        return recSelect(inputdf)

recSelect(s)

在上述代码中，首先删除列“e”，然后删除列“d”，然后删除列“c”。我的问题是：我如何正确地返回'idx'并获得一个名为['e'，'d'，'c']的列表

以下是我尝试过但不起作用的方法：

idxs = [] # create an empty list
def recSelect(inputdf):
    if inputdf.shape[1]<=2:
        return inputdf
    else:
        total = inputdf.sum()
        idx = total.idxmax()
        idxs.append(idx) # append each idx
        inputdf.drop(idx, axis=1, inplace=True)
        return recSelect(inputdf), idxs

---

您可以尝试以下代码：

your_list = list() # the traking list

s = pd.DataFrame({'a': [1,1,1,1,1,1], 
                  'b': [2,2,2,2,2,2], 
                  'c': [3,3,3,3,3,3], 
                  'd': [4,4,4,4,4,4], 
                  'e': [5,5,5,5,5,5]}) 

def recSelect(inputdf):
    if inputdf.shape[1]<=2:
        return inputdf
    else:
        total = inputdf.sum()
        idx = total.idxmax()
        your_list.append(idx) # append the dropped idx
        inputdf.drop(idx, axis=1, inplace=True)
        return recSelect(inputdf)

recSelect(s)
print your_list  # there you go!

---

输出['e'，'d'，'c']

您可以尝试以下代码：

your_list = list() # the traking list

s = pd.DataFrame({'a': [1,1,1,1,1,1], 
                  'b': [2,2,2,2,2,2], 
                  'c': [3,3,3,3,3,3], 
                  'd': [4,4,4,4,4,4], 
                  'e': [5,5,5,5,5,5]}) 

def recSelect(inputdf):
    if inputdf.shape[1]<=2:
        return inputdf
    else:
        total = inputdf.sum()
        idx = total.idxmax()
        your_list.append(idx) # append the dropped idx
        inputdf.drop(idx, axis=1, inplace=True)
        return recSelect(inputdf)

recSelect(s)
print your_list  # there you go!

---

输出['e'，'d'，'c']

尽量避免使用全局变量-在递归中使用它！向函数中添加一个额外的参数。这将需要一个列表来存储删除的列名，但我们将默认值设置为“无”，这样列表就不会在函数调用之间共享。在第一次调用时初始化空列表，并在每次删除列时更新它

import pandas as pd

s = pd.DataFrame({'a': [1,1,1,1,1,1], 
                  'b': [2,2,2,2,2,2], 
                  'c': [3,3,3,3,3,3], 
                  'd': [4,4,4,4,4,4], 
                  'e': [5,5,5,5,5,5]}) 

def recSelect(inputdf, removed=None):
    if not removed:
        removed=[]
    if inputdf.shape[1]<=2:
        return inputdf, removed
    else:
        total = inputdf.sum()
        idx = total.idxmax()
        inputdf.drop(idx, axis=1, inplace=True)
        removed.append(idx)
        return recSelect(inputdf, removed)

vals, removed = recSelect(s)

print(removed)

---

尽量避免使用全局变量-在递归中使用它！向函数中添加一个额外的参数。这将需要一个列表来存储删除的列名，但我们将默认值设置为“无”，这样列表就不会在函数调用之间共享。在第一次调用时初始化空列表，并在每次删除列时更新它

import pandas as pd

s = pd.DataFrame({'a': [1,1,1,1,1,1], 
                  'b': [2,2,2,2,2,2], 
                  'c': [3,3,3,3,3,3], 
                  'd': [4,4,4,4,4,4], 
                  'e': [5,5,5,5,5,5]}) 

def recSelect(inputdf, removed=None):
    if not removed:
        removed=[]
    if inputdf.shape[1]<=2:
        return inputdf, removed
    else:
        total = inputdf.sum()
        idx = total.idxmax()
        inputdf.drop(idx, axis=1, inplace=True)
        removed.append(idx)
        return recSelect(inputdf, removed)

vals, removed = recSelect(s)

print(removed)

---

如果你对我解决这个问题的方法很满意，为什么要创建一个递归函数呢？如果你可以按和对值进行排序，并且可以访问它们的索引。i、 e

s = pd.DataFrame({'a': [1,1,1,1,1,1], 
              'b': [2,2,2,2,2,2], 
              'c': [5,5,5,5,5,5], 
              'd': [4,4,4,4,4,4], 
              'e': [1,5,5,5,5,5]}) 

sum_order = s.sum().sort_values().index
ndf = s[sum_order[:2]]
li = sum_order[2:][::-1].tolist()

输出：

ndf a b 0 1 2 1 1 2 2 1 2 3 1 2 4 1 2 5 1 2 li ['c', 'e', 'd']

---

当你在熊猫中时，尽量避免循环。

如果你对我解决这个问题的方法很满意，为什么要创建一个递归函数呢？如果你可以按和对值进行排序，并且可以访问它们的索引。i、 e

s = pd.DataFrame({'a': [1,1,1,1,1,1], 
              'b': [2,2,2,2,2,2], 
              'c': [5,5,5,5,5,5], 
              'd': [4,4,4,4,4,4], 
              'e': [1,5,5,5,5,5]}) 

sum_order = s.sum().sort_values().index
ndf = s[sum_order[:2]]
li = sum_order[2:][::-1].tolist()

输出：

ndf a b 0 1 2 1 1 2 2 1 2 3 1 2 4 1 2 5 1 2 li ['c', 'e', 'd']

---

当您在panda中时，请尽量避免循环。

我认为在以后再次调用函数时，在removed=[]中使用默认值empty list会有问题，因为我认为列表只创建一次，所以在后续调用中列表不会为空@安德烈亚斯格里瓦斯：太棒了！这正是我试图用全局参数避免的，我自己也错过了。现在更新了答案，学到了一些新东西！，非常感谢much@asongtoruin避免使用全局变量有什么好处吗？或者这只是一个很好的做法？@乔西考虑OP的设置创建IDXs外部。每次调用recSelect时，我们都需要首先设置idxs=[]，以确保没有继承以前删除的列。这样，应用recSelect输出数据和删除列的所有重要信息都将由函数返回。@user3768495是的，如果您必须以OOP方式使用代码，您一定要遵循这些见解！：我认为在removed=[]中使用默认值empty list会在以后再次调用函数时出现问题，因为我认为列表只创建了一次，所以在后续调用中列表不会为空@安德烈亚斯格里瓦斯：太棒了！这正是我试图用全局参数避免的，我自己也错过了。现在更新了答案，学到了一些新东西！，非常感谢much@asongtoruin避免使用全局变量有什么好处吗？或者这只是一个很好的做法？@乔西考虑OP的设置创建IDXs外部。每次调用recSelect时，我们都需要首先设置idxs=[]，以确保没有继承以前删除的列。这样，应用recSelect输出数据和删除列的所有重要信息都将由函数返回。@user3768495是的，如果您必须以OOP方式使用代码，您一定要遵循这些见解！：哈，我离得太近了！哈，我离得太近了！我同意。这段代码只是我真正需要做的事情的简化版本。所以我仍然必须使用递归。无论如何谢谢你！我同意。这段代码只是我真正需要做的事情的简化版本。所以我仍然必须使用递归。无论如何谢谢你！