这几天和同事在讨论，如何用 Python 写出优雅的让列表中的列表展开，变成扁平化的列表。

例如

# 期望输入input = [[('A', 1), ('B', 2)], [('C', 3), ('D', 4)]] # 期望输出output = [('A', 1), ('B', 2), ('C', 3), ('D', 4)]

map 函数合并

>>> new = []; map(new.extend, input); new[None, None][('A', 1), ('B', 2), ('C', 3), ('D', 4)]

这个方法看上去还可以，但是有个致命的缺点，就是map函数会返回值，并且这个返回值是没有用的。另外还需要提前声明一个变量，从代码的简洁性上，不够简洁优雅。

sum 函数合并

>>> sum(input, [])[('A', 1), ('B', 2), ('C', 3), ('D', 4)]

这个看上去很简洁，不过有类似字符串累加的性能陷阱。后面有性能对比。

reduce 函数

>>> reduce(list.__add__, input)[('A', 1), ('B', 2), ('C', 3), ('D', 4)]

做序列的累加操作。也是有累加的性能陷阱。

列表推导式

>>> [item for sublist in input for item in sublist][('A', 1), ('B', 2), ('C', 3), ('D', 4)]

列表推导式，看着有些长，而且还要for循环两次，变成一行理解需要费劲一些，没有那么直观。

itertools 类库

>>> list(itertools.chain(*input))[('A', 1), ('B', 2), ('C', 3), ('D', 4)]

通过第三方类库类实现的，相比其他的几个实现，看着还算比较优雅。最后的性能发现居然还很高。

性能大对比

python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'reduce(list.__add__,l)'1000 loops, best of 3: 547 usec per looppython -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'sum(l, [])'1000 loops, best of 3: 509 usec per looppython -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' '[item for sublist in l for item in sublist]'10000 loops, best of 3: 52.8 usec per looppython -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99; import itertools;' 'list(itertools.chain(*l))'10000 loops, best of 3: 35.9 usec per looppython -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'new = []; map(new.extend, l); new'10000 loops, best of 3: 34.1 usec per loop

欢迎大家共同探讨优雅的的实现和性能的优化。

补充：python 将(含嵌套的)dict平铺展开

话不多说，直接上代码：

def prefix_dict(di_, prefix_s=''): """ 把字典的每个key都带上前缀prefix_s :param di_: :param prefix_s: :return: """ return {prefix_s + k: v for k, v in di_.items()} def spear_dict(di_, con_s='.'): """ 展开dict(如果下层还是dict)，需要递归，展开到下层的数据类型不是字典为止 可能实用的地方：将文档类的数据格式化成更加关系化的样子可能有用 :param di_: 输入字典 :param con_s: 层级间的连接符号 :return: 深度不大于1的字典，嵌套的其他数据类型照旧 """ ret_di = {} for k, v in di_.items(): if type(v) is dict: v = spear_dict(v) # 这里或许有不写到这一层的更好写法 # for k_, v_ in v.items(): # ret_di.update({con_s.join([k, k_]): v_}) ret_di.update(prefix_dict(v, prefix_s=k + con_s)) else: ret_di.update({k: v}) return ret_di>>> di_{'title': '新田商业街', 'reliability': 7, 'addressComponents': {'streetNumber': '', 'city': '深圳市', 'street': '', 'province': '广东省', 'district': '龙华区'}, 'location': {'lng': 114.09127044677734, 'lat': 22.700519561767578}, 'adInfo': {'adcode': '440309'}, 'level': 11, 'more_deep': {'loca': {'lng': 114.09127044677734, 'lat': 22.700519561767578}}}>>> spear_dict(di_){'title': '新田商业街', 'reliability': 7, 'addressComponents.streetNumber': '', 'addressComponents.city': '深圳市', 'addressComponents.street': '', 'addressComponents.province': '广东省', 'addressComponents.district': '龙华区', 'location.lng': 114.09127044677734, 'location.lat': 22.700519561767578, 'adInfo.adcode': '440309', 'level': 11, 'more_deep.loca.lng': 114.09127044677734, 'more_deep.loca.lat': 22.700519561767578}spear_dict(di_, '_'){'title': '新田商业街', 'reliability': 7, 'addressComponents_streetNumber': '', 'addressComponents_city': '深圳市', 'addressComponents_street': '', 'addressComponents_province': '广东省', 'addressComponents_district': '龙华区', 'location_lng': 114.09127044677734, 'location_lat': 22.700519561767578, 'adInfo_adcode': '440309', 'level': 11, 'more_deep_loca.lng': 114.09127044677734, 'more_deep_loca.lat': 22.700519561767578}

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。