


Comment aplatir des dictionnaires imbriqués avec des clés compressées en Python ?
Aplatissement des dictionnaires imbriqués avec des clés compressées
Considérons une structure de dictionnaire hiérarchique comme celle ci-dessous :
{'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3]}
Pour aplatissez-le dans une structure simplifiée comme :
{'a': 1, 'c_a': 2, 'c_b_x': 5, 'c_b_y': 10, 'd': [1, 2, 3]}
implique l'aplatissement à la fois de la liste imbriquée et des dictionnaires imbriqués à l'intérieur.
Approche
Cette procédure est parallèle aux étapes d'aplatissement d'un liste imbriquée. Cependant, cela nécessite un traitement supplémentaire pour parcourir le dictionnaire, générer des noms de clés uniques pour la structure aplatie à l'aide d'un séparateur et assembler le nouveau dictionnaire.
Implémentation
Utilisation collections.abc.MutableMapping pour la vérification du type de dictionnaire, l'extrait de code suivant utilise la récursivité pour parcourir la structure imbriquée et construire le fichier compressé. représentation :
from collections.abc import MutableMapping def flatten(dictionary, parent_key='', separator='_'): items = [] for key, value in dictionary.items(): new_key = parent_key + separator + key if parent_key else key if isinstance(value, MutableMapping): items.extend(flatten(value, new_key, separator=separator).items()) else: items.append((new_key, value)) return dict(items)
L'application de cette méthode à l'exemple de dictionnaire donné produit la représentation aplatie souhaitée :
>>> flatten({'a': 1, 'c': {'a': 2, 'b': {'x': 5, 'y' : 10}}, 'd': [1, 2, 3]}) {'a': 1, 'c_a': 2, 'c_b_x': 5, 'd': [1, 2, 3], 'c_b_y': 10}
Cette technique aplatit efficacement les dictionnaires imbriqués en compressant les noms de clés à l'aide d'un séparateur, fournissant une structure compacte et facilement traversable.
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!

ArraySareNenerallyMoreMemory Econtesious ANLILISTS INFORMAGE UNIMÉRIQUE DATADUETOTHEIRFIXED-SIZENATURANDDDIRECTMEMORYACCESS.1) ArraySstoreelementsInAconGuLblock, réduisant les listes de linge-ouvrages

ToconvertapyThonListoanArray, usethearraymodule: 1) ImportTheArraymodule, 2) Crééalist, 3) usearray (typecode, list) toconvertit, spécifiant le système de code pour la datte, améliorant la performance

Les listes Python peuvent stocker différents types de données. L'exemple de liste contient des entiers, des chaînes, des numéros de points flottants, des booléens, des listes imbriquées et des dictionnaires. La flexibilité de la liste est précieuse dans le traitement des données et le prototypage, mais il doit être utilisé avec prudence pour assurer la lisibilité et la maintenabilité du code.

PythondoSoSnothaveBuilt-inArrays; utEtHeArrayModuleformMory-EfficientHomoGeneousDatastorage, tandis que lestiné pour les dataTypes.

ThemostComMonlyUsedModuleforCreatingArraysInpyThonisNumpy.1) numpyprovidesefficientToolsforArrayoperations, IdealFornumericalData.2) ArraysCanBecatedUsingNp.Array () For1dand2Dstructures.3)

ToAppendementStoapyThonList, usetheAppend () methodforsingleelements, prolong () forulTipleElements, andInsert () forSpecificPositifs.1) useAppend () foraddingOneelementAtheend.2) useExtend () ToaddMultipleElementSEFFIENTLY.3)

TOCREATEAPYTHONLIST, USSquareBracket [] et SEPARateItemswithcommas.1) listsaredynynamicandcanholdmixeddatatypes.2) useAppend (), retire (), andslitingformMipulation.3) Listcomprehensationafficientforcereglists.4)

Dans les domaines de la finance, de la recherche scientifique, des soins médicaux et de l'IA, il est crucial de stocker et de traiter efficacement les données numériques. 1) En finance, l'utilisation de fichiers mappés de mémoire et de bibliothèques Numpy peut considérablement améliorer la vitesse de traitement des données. 2) Dans le domaine de la recherche scientifique, les fichiers HDF5 sont optimisés pour le stockage et la récupération des données. 3) Dans les soins médicaux, les technologies d'optimisation de la base de données telles que l'indexation et le partitionnement améliorent les performances des requêtes de données. 4) Dans l'IA, la fragmentation des données et la formation distribuée accélèrent la formation du modèle. Les performances et l'évolutivité du système peuvent être considérablement améliorées en choisissant les bons outils et technologies et en pesant les compromis entre les vitesses de stockage et de traitement.


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

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

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

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

PhpStorm version Mac
Le dernier (2018.2.1) outil de développement intégré PHP professionnel

Listes Sec
SecLists est le compagnon ultime du testeur de sécurité. Il s'agit d'une collection de différents types de listes fréquemment utilisées lors des évaluations de sécurité, le tout en un seul endroit. SecLists contribue à rendre les tests de sécurité plus efficaces et productifs en fournissant facilement toutes les listes dont un testeur de sécurité pourrait avoir besoin. Les types de listes incluent les noms d'utilisateur, les mots de passe, les URL, les charges utiles floues, les modèles de données sensibles, les shells Web, etc. Le testeur peut simplement extraire ce référentiel sur une nouvelle machine de test et il aura accès à tous les types de listes dont il a besoin.
