在 Python 中检查多维列表答案

【问题标题】：Check for multidimensional list in Python在 Python 中检查多维列表
【发布时间】：2014-03-26 21:28:14
【问题描述】：

我有一些一维或二维的数据。我想遍历数据集中的每个模式并对其执行 foo() 。如果数据是 1D 则将此值添加到列表中，如果是 2D 则取内部列表的平均值并附加此值。我看到了this question，并决定实施它来检查列表的实例。我不能在这个应用程序中使用 numpy。

    outputs = []
    for row in data:
        if isinstance(row, list):
            vals = [foo(window) for window in row]
            outputs.append(sum(vals)/float(len(vals)))
        else:
            outputs.append(foo(row))

有没有更简洁的方法来做到这一点？在每次运行时，每个模式都将具有相同的维度，因此我可以为 1D/2D 创建一个单独的类，但这会在我的代码中添加很多类。数据集可能会变得非常大，因此最好采用快速解决方案。

【问题讨论】：

我会检查 hasattr(row[0], '_iter_') 而不是 isinstance()，但我认为没有更快或更多的方法优雅的方式。
对我来说看起来很整洁
另见stackoverflow.com/questions/1952464/…。
Python3.4（如果你有幸使用它的话）介绍了一个statistics module
@knitti collections.Iterable 应该被使用，__iter__ 字符串失败。

标签： python list multidimensional-array

【解决方案1】：

您的代码已经几乎尽可能简洁和快速。唯一的微小改进是将[foo(window) for window in row] 替换为map(foo, row)，这可以通过基准测试看出：

> python -m timeit "foo = lambda x: x+1; list(map(foo, range(1000)))"
10000 loops, best of 3: 132 usec per loop
> python -m timeit "foo = lambda x: x+1; [foo(a) for a in range(1000)]"
10000 loops, best of 3: 140 usec per loop

isinstance() 似乎已经比其对应的 hasattr() 和 type() == 更快：

> python -m timeit "[isinstance(i, int) for i in range(1000)]"
10000 loops, best of 3: 117 usec per loop
> python -m timeit "[hasattr(i, '__iter__') for i in range(1000)]"
1000 loops, best of 3: 470 usec per loop
> python -m timeit "[type(i) == int for i in range(1000)]"
10000 loops, best of 3: 130 usec per loop

但是，如果你把 short 算作整洁，你也可以简化你的代码（在替换map 之后）到：

mean = lambda x: sum(x)/float(len(x)) #or `from statistics import mean` in python3.4
output = [foo(r) if isinstance(r, int) else mean(map(foo, r)) for r in data]

【讨论】：