【机器学习】Python zip 函数

目录：

1. 什么是zip函数
2. zip的基本使用
3. zip与列表、字典的结合
4. zip的长度匹配规则
5. 实际应用

1. 什么是zip函数

zip函数在Python中用于将多个可迭代对象（如列表、元组、字符串等）打包成一个元组的列表，其中每个元组包含的是原始对象中的对应元素。

换句话说，它像是一根神奇的针线，将不同序列的相同位置的元素缝合在一起，形成新的组合。

这种方式非常适合处理需要同步遍历多个列表的情况。

2. zip的基本使用

首先，让我们通过一个简单的例子感受zip的魅力：

# 定义两个列表，一个代表山海经中的奇珍异兽名称，另一个代表它们的栖息地
creatures = ['白泽', '夔牛', '凤凰']
habitats = ['昆仑山', '不周山', '蓬莱岛']

# 使用zip函数将两者配对
paired_data = zip(creatures, habitats)

# 打印配对结果
for creature, habitat in paired_data:
    print(f"{creature} 居住在 {habitat}")

输出结果:

白泽 居住在 昆仑山
夔牛 居住在 不周山
凤凰 居住在 蓬莱岛

这里，zip(creatures, habitats)创建了一个迭代器，每次迭代都会产出一对来自两个列表的元素。通过for循环遍历这个迭代器，我们可以清晰地看到每种异兽与其栖息地的对应关系。
eg:

3. zip与列表、字典的结合

zip不仅能帮助我们并行遍历数据，还能与其他数据结构结合，实现更复杂的功能。

比如，将配对后的数据直接转换为列表或字典，可以进一步方便数据的管理和检索。

1、转换为列表

creatures = ['白泽', '夔牛', '凤凰']
habitats = ['昆仑山', '不周山', '蓬莱岛']
# 将zip结果转换为列表
paired_list = list(zip(creatures, habitats))
print(paired_list)

输出结果:

[('白泽', '昆仑山'), ('夔牛', '不周山'), ('凤凰', '蓬莱岛')]

2、构建字典

当我们想要根据一种属性（如名字）快速查找另一种属性（如栖息地）时，将zip的结果直接转换为字典非常有用。

creatures = ['白泽', '夔牛', '凤凰']
habitats = ['昆仑山', '不周山', '蓬莱岛']
#使用zip和dict构造字典，以奇珍异兽名为键，栖息地为值
creature_habitat_dict = dict(zip(creatures, habitats))
print(creature_habitat_dict)

输出结果:

{'白泽': '昆仑山', '夔牛': '不周山', '凤凰': '蓬莱岛'}

这样，通过名字查询栖息地就变得异常简单，只需一行代码：print(creature_habitat_dict[‘白泽’])即可得到“昆仑山”。

4. zip的长度匹配规则

值得注意的是，当使用zip合并不同长度的序列时，最终生成的配对数量由最短的序列决定。

这意味着如果一个列表比其他列表短，多出来的元素会被忽略。

habitats = ['昆仑山', '不周山', '蓬莱岛']
creatures_extra = ['麒麟']  # 新增一个异兽
paired_with_extra = list(zip(creatures_extra, habitats))
print(paired_with_extra)

输出结果:

[('麒麟', '昆仑山')]

在这个例子中，尽管habitats列表中有三个元素，但由于creatures_extra只有一个元素，因此只产生了单个配对。

5. 实际应用

在实际工作中，zip能够极大地提升数据处理的效率，尤其是在数据分析、报表生成等领域。

比如，假设你正在处理一份销售数据，包括产品名称和对应的销售额，使用zip可以迅速将这些数据整合，进而进行排序、筛选或是转换为报表格式。

products = ['灵芝', '人参果', '仙桃']
sales = [1200, 850, 975]

#结合zip和排序，找出销售额最高的产品
sorted_sales = sorted(zip(products, sales), key=lambda x: x[1], reverse=True)
print(sorted_sales)

输出结果:

[('灵芝', 1200), ('仙桃', 975), ('人参果', 850)]

通过这样的方式，你不仅能够迅速识别出最畅销的产品，还能灵活地调整排序逻辑，满足不同的分析需求。