Python中将嵌套列表扁平化的多种实现方法

 更新时间:2025年07月06日 10:48:46   作者:1010n111  
在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋友可以参考下

Python中将嵌套列表扁平化的方法

技术背景

在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求。例如,有一个嵌套列表[[1, 2, 3], [4, 5, 6], [7], [8, 9]],我们希望将其转换为[1, 2, 3, 4, 5, 6, 7, 8, 9]。以下将介绍多种实现这一目标的方法。

实现步骤

1. 使用嵌套列表推导式

嵌套列表推导式是一种简洁的实现方式。其基本思路是通过两层循环,将嵌套列表中的每个元素提取出来,组成一个新的扁平列表。

xss = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
flat_list = [x for xs in xss for x in xs]
print(flat_list)

2. 使用itertools.chain()或itertools.chain.from_iterable()

itertools模块提供了高效的迭代工具。chain()函数可以将多个可迭代对象连接起来,而chain.from_iterable()可以直接接受一个可迭代对象作为参数,将其内部的可迭代对象连接起来。

import itertools
list2d = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
# 使用 chain()
merged1 = list(itertools.chain(*list2d))
# 使用 chain.from_iterable()
merged2 = list(itertools.chain.from_iterable(list2d))
print(merged1)
print(merged2)

3. 使用sum()函数

sum()函数可以对可迭代对象求和,当对嵌套列表使用时,结合初始值[],可以实现列表的扁平化。但这种方法效率较低,不适合处理大规模数据。

xss = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
flat_list = sum(xss, [])
print(flat_list)

4. 使用functools.reduce()

reduce()函数可以对序列中的元素进行累积操作。结合operator.concatoperator.iconcat可以实现列表的扁平化。

from functools import reduce
import operator
xss = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
# 使用 operator.concat
out1 = reduce(operator.concat, xss)
# 使用 operator.iconcat
out2 = reduce(operator.iconcat, xss, [])
print(out1)
print(out2)

5. 自定义递归函数

通过递归的方式,可以处理任意深度的嵌套列表。

from typing import Iterable

def flatten(items):
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, (str, bytes)):
            yield from flatten(x)
        else:
            yield x

simple = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
flat_list = list(flatten(simple))
print(flat_list)

核心代码

以下是上述各种方法的核心代码总结:

import itertools
from functools import reduce
import operator
from typing import Iterable

# 嵌套列表推导式
def nested_list_comprehension(xss):
    return [x for xs in xss for x in xs]

# itertools.chain.from_iterable()
def itertools_chain(xss):
    return list(itertools.chain.from_iterable(xss))

# sum()
def pythons_sum(xss):
    return sum(xss, [])

# functools.reduce() with operator.concat
def reduce_concat(xss):
    return reduce(operator.concat, xss)

# functools.reduce() with operator.iconcat
def reduce_iconcat(xss):
    return reduce(operator.iconcat, xss, [])

# 自定义递归函数
def custom_flatten(items):
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, (str, bytes)):
            yield from custom_flatten(x)
        else:
            yield x

xss = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
print(nested_list_comprehension(xss))
print(itertools_chain(xss))
print(pythons_sum(xss))
print(reduce_concat(xss))
print(reduce_iconcat(xss))
print(list(custom_flatten(xss)))

最佳实践

  • 小规模数据:对于小规模的嵌套列表,嵌套列表推导式是一种简洁且直观的选择,代码易于理解和维护。
  • 大规模数据:当处理大规模的嵌套列表时,itertools.chain.from_iterable()方法通常具有较高的性能,因为它避免了创建大量的中间列表。
  • 任意深度嵌套:如果嵌套列表的深度不确定,使用自定义的递归函数可以处理任意深度的嵌套结构。

常见问题

1. 性能问题

使用sum()函数和reduce()函数结合operator.concat时,由于每次操作都会创建一个新的列表对象,会导致性能下降,尤其是处理大规模数据时。建议使用itertools.chain.from_iterable()或自定义递归函数。

2. 字符串处理问题

在处理包含字符串的嵌套列表时,需要注意字符串也是可迭代对象。在自定义递归函数中,通常需要排除字符串类型,以避免将字符串拆分为单个字符。例如:

from typing import Iterable

def flatten(items):
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, (str, bytes)):
            yield from flatten(x)
        else:
            yield x

complicated = [[1, [2]], (3, 4, {5, 6}, 7), 8, "9"]
flat_list = list(flatten(complicated))
print(flat_list)

3. 空列表处理

在使用某些方法时,如reduce()函数,如果输入的嵌套列表中包含空列表,可能会导致结果不符合预期。在实际使用中,需要根据具体情况进行处理。

相关文章

  • 用python解压分析jar包实例

    用python解压分析jar包实例

    今天小编就为大家分享一篇用python解压分析jar包实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-01-01
  • Python socket 套接字实现通信详解

    Python socket 套接字实现通信详解

    这篇文章主要介绍了Python socket 套接字实现通信详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-08-08
  • Python命令行参数的项目实践

    Python命令行参数的项目实践

    Python 命令行参数为运行程序时在命令行中接受某些信息提供了一种方便的方式,本文就来详细的介绍一下Python命令行参数的使用,感兴趣的可以了解一下
    2025-12-12
  • python解决空间模拟与时间预测问题及分析

    python解决空间模拟与时间预测问题及分析

    本课程系统讲解机器学习原理、Python编程与数据处理,涵盖数据清洗、随机森林与LSTM算法,结合生态水文场景,通过土地利用分类、径流预测等实践案例,掌握空间模拟与时间预测技术
    2025-08-08
  • Python抓取框架Scrapy爬虫入门:页面提取

    Python抓取框架Scrapy爬虫入门:页面提取

    Scrapy吸引人的地方在于它是一个框架,任何人都可以根据需求方便的修改,下面这篇文章主要给大家介绍了关于Python抓取框架Scrapy爬虫入门之页面提取的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下。
    2017-12-12
  • 从零学python系列之浅谈pickle模块封装和拆封数据对象的方法

    从零学python系列之浅谈pickle模块封装和拆封数据对象的方法

    这个系列也发了几篇文章了,都是个人的一些学习心得的记录,今天在学习文件数据处理的时候了解到有pickle模块,查找官方文档学习了一些需要用到的pickle内容。
    2014-05-05
  • Python 实现的 Google 批量翻译功能

    Python 实现的 Google 批量翻译功能

    这篇文章主要介绍了Python 实现的 Google 批量翻译功能,非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下
    2019-08-08
  • python中pivot()函数基础知识点

    python中pivot()函数基础知识点

    在本篇内容里小编给大家分享的是一篇关于python中pivot()函数基础知识点内容,对此有兴趣的朋友们可以参考学习下。
    2021-01-01
  • Python语言中的数据类型-序列

    Python语言中的数据类型-序列

    这篇文章主要介绍了Python语言中的数据类型-序列,前面我们提到了Python数据类型中的内置数值类型与字符串类型。今天学习一下Python的序列数据类型,要知道的是在Python中没有数组这一数据结构,需要的朋友可以参考一下
    2022-02-02
  • python json.dumps中文乱码问题解决

    python json.dumps中文乱码问题解决

    这篇文章主要介绍了python json.dumps中文乱码问题解决,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-04-04

最新评论