Maison >développement back-end >Tutoriel Python >Comment les compréhensions de listes peuvent-elles traiter efficacement les listes imbriquées ?

Comment les compréhensions de listes peuvent-elles traiter efficacement les listes imbriquées ?

Mary-Kate Olsen
Mary-Kate Olsenoriginal
2024-12-18 11:28:11246parcourir

How Can List Comprehensions Efficiently Process Nested Lists?

Traitement des listes imbriquées avec des compréhensions de liste

Lorsque vous traitez des listes imbriquées, il peut être pratique d'utiliser des compréhensions de liste pour une manipulation efficace. Un de ces cas d'utilisation implique la conversion d'éléments imbriqués en un type de données spécifique, tel que float.

Considérez la liste imbriquée suivante :

l = [['40', '20', '10', '30'], ['20', '20', '20', '20', '20', '30', '20'], ['30', '20', '30', '50', '10', '30', '20', '20', '20'], ['100', '100'], ['100', '100', '100', '100', '100'], ['100', '100', '100', '100']]

Pour convertir chaque élément de cette liste en float, un pourrait recourir à des boucles imbriquées :

newList = []
for x in l:
    for y in x:
        newList.append(float(y))

Une approche alternative exploite la puissance de la liste compréhensions :

[[float(y) for y in x] for x in l]

Cet extrait produit une liste de listes, reflétant la structure d'origine mais avec des éléments convertis en float.

Pour un résultat plat, où tous les éléments sont dans une seule liste :

[float(y) for x in l for y in x]

Dans ce cas, l'ordre des boucles est crucial, l'itération sur x précédant celle de y.

Les compréhensions de listes fournissent une solution succincte et expressive pour traiter les structures de données imbriquées, permettant aux développeurs de transformer et de manipuler efficacement les listes.

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!

Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn