配对列表列表中的元素以形成新列表

Question

我有一个类似下面的列表，

a = [[ [1,2], [10, 3]], [[4,5], [6, 7]]]

我需要以这种方式配对最里面的列表元素，

a = [[[1, 10], [2, 3]], [[4, 6], [5, 7]]]. 

直接的方法如下：

pairings_ = []
for ind in a:
    pairings_.append([[x, y] for x in ind[0] for y in ind[1])

如果ind中的列表大于2
，则将导致内存错误。例如，如果ind [0]，[1、2]，[ 10、3 ]，[7、8]中有三个内部列表，则配对分别为[1、10、7]和[2、3、8]。假设[[1，10]，[2，3]]和[[4,6]，[5，7]]的内部列表的长度将始终相等。

我将如何以最pythonic / numpy /高效的方式去做呢？

Answer 1

list(zip(*x))是“转置”列表的众所周知的习惯用法。在您的情况下：

In [267]: a = [[ [1,2], [10, 3]], [[4,5], [6, 7]]]                              
In [268]: [list(zip(*row)) for row in a]                                        
Out[268]: [[(1, 10), (2, 3)], [(4, 6), (5, 7)]]

数组transpose既方便又富有表现力，但是从列表创建数组可能会很昂贵。

In [272]: timeit [list(zip(*row)) for row in a]                                 
1.58 µs ± 23.9 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [273]: timeit np.transpose(a, (0,2,1)).tolist()                              
11.8 µs ± 217 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

从时序循环中删除创建的数组：

In [274]: %%timeit arr = np.array(a) 
     ...: np.transpose(arr, (0,2,1))                                                               
1.47 µs ± 11.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

但是，与这些时序比较一样，使用较大的列表时结果可能会有所不同。