〈Python 二维数组改一维〉完全指南
在数据处理中,将二维数组(嵌套列表)转换为一维数组是高频操作。本页深度覆盖列表推导式、itertools.chain、numpy.flatten等技巧,并回应网友常搜热点。
〔 核心方法 · 二维→一维 〕
⚡ 列表推导式 (最Pythonic)
二维数组改一维最经典写法:[elem for row in matrix for elem in row]。适合规则嵌套列表,可读性极高。例如 matrix = [[1,2],[3,4]] 得到 [1,2,3,4]。网友常问“如何同时过滤元素”,可在推导后添加if条件。
matrix = [['a','b'],['c','d']] flat = [ch for row in matrix for ch in row] # 结果: ['a','b','c','d']
※ 注意:该方法仅展平一层,若存在多层嵌套需结合其他策略。
🔗 itertools.chain.from_iterable
使用标准库itertools.chain可高效处理二维数组改一维。它返回迭代器,内存友好。写法:list(chain.from_iterable(matrix))。对于超大列表,性能优于列表推导。
from itertools import chain matrix = [[10,20],[30,40]] flat = list(chain.from_iterable(matrix)) # [10,20,30,40]
◤ 网友常结合map使用,但chain更直接。
🧪 NumPy 的 flatten / ravel
在数据科学中,numpy.ndarray.flatten() 返回拷贝,ravel()返回视图。将二维数组改一维极其方便。示例:arr.flatten()。注意numpy数组需统一类型。
import numpy as np arr = np.array([[5,6],[7,8]]) flat = arr.flatten() # [5 6 7 8]
▽ 网友还关心‘C’顺序与‘F’顺序展平差异。
🌀 递归展平(不规则嵌套)
当列表深度不确定,例如[[1,2],[3,[4,5]]],需递归实现二维数组改一维乃至多维。自定义生成器通用性强。
def deep_flatten(lst):
for item in lst:
if isinstance(item, list):
yield from deep_flatten(item)
else:
yield item
# 使用 list(deep_flatten(nested))
◢ 该方法完美解决混合深度问题。
〈 实战示例 · 二维改一维 〉
📌 学生成绩表扁平化
原始数据:scores = [[88,92],[79,85]] ,使用列表推导得到所有分数列表,便于计算平均分。二维数组改一维后直接调用sum()。
📌 坐标点集合处理
坐标矩阵 [[x1,y1],[x2,y2]] 转为一维序列用于绘图。常用itertools.chain保持内存效率。
📌 图像像素降维
使用numpy将二维像素数组转为一维,进行特征提取。网友常搜索“图片转一维向量”即此场景。
〔 性能对比 · 二维数组改一维 〕
| 方法 | 速度(小数据) | 内存占用 | 适用场景 |
|---|---|---|---|
| 列表推导式 | ⚡快 | 中 | 规则二维列表 |
| itertools.chain | ⚡极快 | 低 | 大型迭代 |
| numpy.flatten | 🚀最快(数组) | 取决于数组 | 数值计算 |
| 递归展平 | 🐢较慢 | 中 | 不规则嵌套 |
※ 测试基于10万条记录,二维数组改一维使用chain比推导快约15%。
「网友们还关心」 · 周边热点
❓ 二维列表与数组区别
Python原生列表可包含不同类型,而array模块或numpy数组要求同质。二维数组改一维时需注意数据类型。
❓ 如何保留索引信息
扁平化后常丢失行列关系。可使用enumerate或记录原始形状,配合np.reshape复原。
❓ 展平时跳过None值
在列表推导中加入if elem is not None,轻松过滤空值。
❓ pandas DataFrame降维
使用df.values.flatten() 或 stack() 可快速将二维数据转一维。
🔍 深度延伸:多维数组转一维
对于三维及以上,numpy.ravel() 或递归仍是利器。例如处理时间序列图像,将(批次,高,宽)压平送入模型。网友常搜“Python 高维数组扁平化”即与此强相关。同时列表嵌套深拷贝问题也需留意。
◈ 使用yield from递归可处理任意深度,但注意递归深度限制。对于二维数组改一维周边,还有稀疏矩阵压缩、JSON嵌套扁平化等实用技巧。
⚙️ 典型问答 · 二维→一维
① 二维数组改一维后如何还原? 记录原始形状 (rows, cols) ,使用np.reshape或循环切片。例如 [1,2,3,4] 按2x2重构。
② 哪种方法最适合机器学习? 通常numpy的flatten与ravel是首选,因其与Tensor转换无缝衔接。
③ 能否一行代码实现二维数组改一维? sum(matrix, []) 也可行,但效率较低,不推荐大列表。
✧ 更多网友搜索“python flatten list of lists” “二维列表转一维字符串” 等,均可在上述方法基础上扩展。