


Développez la liste en éléments individuels à l'aide de Python
List est une structure de données puissante en Python qui peut contenir de nombreux types de valeurs différents. Nous pouvons rencontrer des listes imbriquées où les éléments eux-mêmes sont des listes. Dans ce cas, il peut être crucial d’aplatir la liste et de récupérer les éléments individuels de la hiérarchie. En Python, nous avons des fonctions intégrées - chain(), extend() et append() qui peuvent être utilisées pour résoudre le problème de l'aplatissement d'une liste en un seul élément.
Prenons un exemple :
Entrez
# Flatten List my_list = [[11, 21, 31], [20, 30, 40], [4, 5, 6], [1, 2, 3]]
Sortie
# individual element in the list [11, 21, 31, 20, 30, 40, 4, 5, 6, 1, 2, 3]
Grammaire
Tous les exemples utilisent la syntaxe suivante -
itertools.chain()
itertools est le nom du module qui fournit la fonction intégrée chain(). Cette fonction prend plusieurs itérateurs comme arguments et renvoie un seul itérateur.
extend()
extend() est une méthode intégrée à Python utilisée pour ajouter un élément de liste spécifique à la fin de la liste actuelle.
append()
append() est une méthode intégrée à Python qui ajoute des éléments à la fin d'une liste.
[[],[],[]]
La représentation ci-dessus illustre la structure de liste imbriquée.
Utilisez des boucles imbriquées
Le programme utilise des boucles for imbriquées pour parcourir les sous-listes et utilise la méthode append() pour aider
Exemple
Dans l'exemple suivant, le programme est démarré en définissant une fonction appelée flatten_list qui accepte un argument de lst (pour recevoir la valeur de la liste d'entrée). Créez ensuite une liste vide dans la variable aplatie qui stockera la liste contenant les éléments individuels. Ensuite, utilisez une boucle for imbriquée pour parcourir chaque sous-liste de la liste et utilisez append() pour convertir la sous-liste en un seul élément. Utilisez ensuite la fonction return pour obtenir la nouvelle liste. Créez maintenant la liste Flatten dans la variable nested_list et stockez-la dans la variable f_list en utilisant la même variable que le paramètre dans la fonction appelante. Enfin, nous imprimons le résultat à l'aide de la variable f_list.
def flatten_list(lst): flattened = [] for sublist in lst: for item in sublist: flattened.append(item) return flattened # Create the flattened list nested_list = [[10, 20, 30], [40, 50, 60], [70, 80, 90]] # Calling function used in the variable f_list = flatten_list(nested_list) print("The individual element in the list:\n", f_list)
Sortie
The individual element in the list: [10, 20, 30, 40, 50, 60, 70, 80, 90]
Utiliser la compréhension de liste
Ce programme utilise la compréhension de liste où les boucles for imbriquées sont implémentées pour convertir la liste Flatten en éléments uniques.
Exemple
Dans l'exemple suivant, vous démarrez le programme en définissant une fonction appelée flatten_list qui accepte un paramètre appelé lst qui stocke les valeurs de la liste d'entrée. La fonction est ensuite renvoyée en utilisant une compréhension de liste, avec une boucle for imbriquée itérant dans les sous-listes. Ensuite, créez la liste aplatie et stockez-la dans la variable n_list. Utilisez ensuite la fonction appelante dans la variable f_list et utilisez la même variable dans la fonction print pour obtenir le résultat.
def flatten_list(lst): return [item for sublist in lst for item in sublist] # Create the flatten list n_list = [[11, 21, 31], [41, 51, 61], [71, 81, 91]] # calling function used in the variable f_list = flatten_list(n_list) print("The individual element in the list:\n", f_list)
Sortie
The individual element in the list: [11, 21, 31, 41, 51, 61, 71, 81, 91]
Utilisez la fonction itertools.chain()
Il s'agit d'un programme Python qui utilise le module itertools pour aplatir les listes imbriquées. La fonction flatten_list prend une liste imbriquée comme argument et renvoie une nouvelle liste contenant tous les éléments de la sous-liste. La fonction itertools.chain combine toutes les sous-listes en un objet itérable, qui est ensuite converti en liste à l'aide de la fonction list. Le programme crée ensuite une liste imbriquée appelée nested_list, appelle la fonction flatten_list en utilisant la liste comme argument et affecte le résultat à la variable flattened_list.
Exemple
Dans l'exemple ci-dessous, démarrez le programme en important un module appelé itertools qui aidera à convertir les listes plates en éléments individuels. Commencez ensuite à créer la fonction flatten_list qui accepte le paramètre lst
import itertools def flatten_list(lst): return list(itertools.chain(*lst)) # Create the flatten list nested_list = [[12, 22, 32], [42, 52, 62], [72, 82, 92]] # Calling function used in the variable flattened_list = flatten_list(nested_list) print("The individual element in the list:\n", flattened_list)
Sortie
The individual element in the list: [12, 22, 32, 42, 52, 62, 72, 82, 92]
Utiliser la récursion
Ce programme utilise une fonction récursive pour gérer l'aplatissement de la liste et utilise la fonction intégrée isintance() qui vérifiera la condition du type d'objet et aidera à générer une liste aplatie d'éléments individuels.
Exemple
Dans l'exemple ci-dessous, le programme aplatit de manière itérative la liste construite en extrayant chaque élément. Il imprime ensuite une liste aplatie contenant tous les éléments individuels de la liste imbriquée.
def flatten_list(lst): emp_list = [] for item in lst: if isinstance(item, list): emp_list.extend(flatten_list(item)) else: emp_list.append(item) return emp_list # Create the flatten list nested_list = [[81, 82, 83], [84, 85, 86], [87, 88, 89, 99, 100]] f_list = flatten_list(nested_list) print("The individual element in the list:\n", f_list)
Sortie
The individual element in the list: [81, 82, 83, 84, 85, 86, 87, 88, 89, 99, 100]
Conclusion
Nous avons discuté de différentes façons de résoudre l'énoncé du problème. Nous voyons comment l'aplatissement des listes nous donnera une compétence essentielle, nous permettant de travailler avec des structures de données complexes et d'accéder plus efficacement à des éléments individuels. De plus, savoir comment aplatir une liste peut être utile si nous travaillons sur le traitement de données, la résolution de problèmes algorithmiques ou toute autre mission ou tâche de programmation Python.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Le module statistique de Python fournit de puissantes capacités d'analyse statistique de données pour nous aider à comprendre rapidement les caractéristiques globales des données, telles que la biostatistique et l'analyse commerciale. Au lieu de regarder les points de données un par un, regardez simplement des statistiques telles que la moyenne ou la variance pour découvrir les tendances et les fonctionnalités des données d'origine qui peuvent être ignorées et comparer les grands ensembles de données plus facilement et efficacement. Ce tutoriel expliquera comment calculer la moyenne et mesurer le degré de dispersion de l'ensemble de données. Sauf indication contraire, toutes les fonctions de ce module prennent en charge le calcul de la fonction moyenne () au lieu de simplement additionner la moyenne. Les nombres de points flottants peuvent également être utilisés. Importer au hasard Statistiques d'importation de fracTI

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

La sérialisation et la désérialisation des objets Python sont des aspects clés de tout programme non trivial. Si vous enregistrez quelque chose dans un fichier Python, vous effectuez une sérialisation d'objets et une désérialisation si vous lisez le fichier de configuration, ou si vous répondez à une demande HTTP. Dans un sens, la sérialisation et la désérialisation sont les choses les plus ennuyeuses du monde. Qui se soucie de tous ces formats et protocoles? Vous voulez persister ou diffuser des objets Python et les récupérer dans son intégralité plus tard. C'est un excellent moyen de voir le monde à un niveau conceptuel. Cependant, à un niveau pratique, le schéma de sérialisation, le format ou le protocole que vous choisissez peut déterminer la vitesse, la sécurité, le statut de liberté de maintenance et d'autres aspects du programme

Solution aux problèmes d'autorisation Lors de la visualisation de la version Python dans Linux Terminal Lorsque vous essayez d'afficher la version Python dans Linux Terminal, entrez Python ...

Ce tutoriel s'appuie sur l'introduction précédente à la belle soupe, en se concentrant sur la manipulation de Dom au-delà de la simple navigation sur les arbres. Nous explorerons des méthodes et techniques de recherche efficaces pour modifier la structure HTML. Une méthode de recherche DOM commune est ex

L'article traite des bibliothèques Python populaires comme Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask et Demandes, détaillant leurs utilisations dans le calcul scientifique, l'analyse des données, la visualisation, l'apprentissage automatique, le développement Web et H et H

Cet article guide les développeurs Python sur la construction d'interfaces de ligne de commande (CLI). Il détaille à l'aide de bibliothèques comme Typer, Click et Argparse, mettant l'accent sur la gestion des entrées / sorties et promouvant des modèles de conception conviviaux pour une meilleure convivialité par la CLI.
