了解嵌套列表理解

Question

我想了解嵌套列表理解.下面,我列出了一个列表推导表达式和它们的for循环等价物.
我想知道我的理解是否正确.

例如,

[(min([row[i] for row in rows]),max([row[i] for row in rows])) 
for i in range(len(rows[0]))]

相当于

result=[]
for i in range(len(rows[0])):
  innerResult=[]
  for row in rows:
    innerResult.append(row[i])
  innerResult2=[]
  for row in rows:
    innerResult2.append(row[i])
  tuple=(min(innerResult), max(innerResult2))
  result.append(tuple)

如果我可以概括,我想

[exp2([exp1 for x in xSet]) for y in ySet]

表格可以翻译成以下内容.(我希望我对此是正确的)

result=[]
for y in ySet:
  innerResult =[]
  for x in xSet:
    innerResult.append(exp1)
  exp2Result = exp2(innerResult)
  result.append(exp2Result)

对于更简单的情况,

[exp1 for x in xSet for y in ySet] 

等于

result=[] 
for x in xSet:
  for y in ySet: 
    result.append(exp1)

然而,

[[exp1 for x in xSet] for y in ySet]

等于

result=[]
for y in ySet:
  innerResult=[]
  for x in xSet:
    innerResult.append(exp1)
  result.append(innerResult)

我问了一个关于等价的类似问题,用于复杂列表理解
的循环表达式给出的答案在理解了它在内部的作用之后重构了形式.
我想知道它是如何系统地工作的,所以我可以将这个概念应用于其他略有不同的例子.

Answer 1

的确,你是对的.这在Python语言参考的表达式部分中有详细描述.

特别注意for在单个列表理解中嵌套几个s 的顺序,它总是从左到右:

>>> matrix = [[1, 2], [3, 4]]
>>> [item for item in row for row in matrix] # oops!
Traceback (most recent call last):
  File "<pyshell#1>", line 1, in <module>
    [item for item in row for row in matrix]
NameError: name 'row' is not defined
>>> [item for row in matrix for item in row] # nesting is in left-to-right order
[1, 2, 3, 4]

Answer 2

简短的回答是:是的,你的理解是正确的.

只有一个问题:你通常在python代码中使用嵌套列表理解的方式是在多维数组上操作.

一个典型的例子是当您对矩阵进行操作时:

>>> matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> [[el - 1 for el in row] for row in matrix]
[[0, 1, 2], [3, 4, 5], [6, 7, 8]]

正如您所看到的,"嵌套"通过对矩阵的每个维度进行操作而起作用.

在你提供的例子中,似乎ySet[不幸的名称btw,因为集合是python提供的类型之一]只是一个通用的计数器,这使得更难以跟踪幕后发生的事情.

至于你的第一个例子:

>>> rows = ([1, 2, 3], [10, 20, 30])
>>> [(min([row[i] for row in rows]),max([row[i] for row in rows])) for i in range(len(rows[0]))]
[(1, 10), (2, 20), (3, 30)]

您可能希望查看zip内置函数:

>>> zip(rows[0], rows[1])
[(1, 10), (2, 20), (3, 30)]

或者为了最大限度地简洁和优雅:

>>> zip(*rows)
[(1, 10), (2, 20), (3, 30)]

HTH!