Python 如何在列表列表中使用reduce

以下内容有什么问题

lss = reduce(list.extend, [[1],[2]], [])

原因：

Traceback (most recent call last):
  File "<pyshell#230>", line 1, in <module>
    lss = reduce(list.extend, [[1],[2]], [])
TypeError: descriptor 'extend' requires a 'list' object but received a 'NoneType'

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
lss=reduce（list.extend、[[1]、[2]]、[]
TypeError:描述符“extend”需要一个“list”对象，但收到了一个“NoneType”

我不确定

NoneType

是从哪里来的。

试试这个：

lss = reduce(lambda acc, ele : acc + ele, [[1],[2]], [])

lss
> [1, 2]

---

问题是返回的是

None

（这就是

NoneType

的来源），这与您想要执行的操作无关-传递给的函数必须返回一个值：到目前为止的累积结果。

我认为值得注意的是：

sum([[1],[2]], [])

这也会起作用，而且我很确定会比通过lambda来降低速度更快

我对不同方法的速度很好奇，所以我做了一些测试：

reduce(lambda a,b:a+b, x, [])               3644.38161492
reduce(list.__add__, x, [])                 3609.44079709
sum(x,[])                                   3526.84987307
y = [];for z in x: y.extend(z)               143.370306969
y = [];map(y.extend,x)                        71.7020270824
y = [None]*400;del y[:];map(y.extend,x)       66.2245891094
list(itertools.chain(*x))                    102.285979986
list(itertools.chain.from_iterable(x))        96.6231369972
[a for b in x for a in b]                    203.764872074

在PyPy上（因为，为什么不）

结论：

在reduce中使用lambda很慢

专用的

sum

函数比reduce更快

添加列表很慢

Python循环开销很大

---

正如奥斯卡·洛佩斯所指出的，

list.extend

返回

None

，因此不能与

reduce

一起使用。除了建议使用

lambda

功能外，您还可以使用

list.\uu添加\uuuu

和

reduce

：

>>> reduce(list.__add__, [[1],[2]], [])
[1, 2]

您可能想使用

生成一个迭代器，从第一个iterable返回元素，直到 它已耗尽，然后继续下一个iterable，直到所有 人们都筋疲力尽了。用于将连续序列作为一个整体处理 单一序列。相当于：

---

我意识到我能做到。我仍然想知道使用list.extend方法有什么问题。看来它应该有用您的编辑回答了这个问题。@cammil正如我上面提到的：

extend（）

将始终返回

None

；要使

reduce（）

工作，执行的函数必须返回一个值：到目前为止的累积结果。如果有人想知道为什么

list.extend（）

返回

None

：这是因为在Python中，改变数据结构的函数总是返回

None

，因为Python遵循命令/查询分离。你想要的结果是什么？/你想扩展什么列表？如果你设置x=x*100，你就可以开始看到算法之间的实际速度差异。不幸的是，这个基准中缺少的是：

列表（itertools.chain.from_iterable（x））

和

[b代表x中的a代表a中的b]

。第一种可能是最快的选择。@SvenMarnach，他们补充道。然而，我的结果显示它们都比一些现有的选项慢。在我测试的两台机器上，

list（itertools.chain.from_iterable（x））

始终比

list（itertools.chain（*x））

快，而且对于没有示例列表人为高缓存局部性的较大列表来说，这是一个很大的差距（这是由于

*100

重复使用了数百次相同的列表造成的）。它确实比

y=[]；map（y.extend，x）

慢。有趣的帖子！@SvenMarnach，我继续并重新运行了所有测试，我的结果现在符合您的经验。

>>> reduce(list.__add__, [[1],[2]], [])
[1, 2]

def chain(*iterables):
    # chain('ABC', 'DEF') --> A B C D E F
    for it in iterables:
        for element in it:
            yield element