列表压平的实现

对于以下这种输入输出关系，我们称之为列表的压平

input: li = [[[[[1], 2], 3], 4], 5]

output: [1, 2, 3, 4, 5]

方法1：了解到一个递归的解法，很不错

def dig_lists(pram_list):
    output = []
    for e in pram_list:
        if isinstance(e, list):
            output += dig_lists(e)
        else:
            output.append(e)
    return output

li = [[[[[1], 2], 3], 4], 5]
dig_lists(li)
>>>[1, 2, 3, 4, 5]

方法2：这个只能针对双层列表，且里面每一个都只能由单个元素,因为array()这里变成了数组，而非列表

import numpy as np

x = np.array([[1], [2], [3], [4], [5]])
y = x.reshape(1,-1)
z = np.squeeze(y)
print(x)
print(y)
print(z)
print(a)
>>>[[1]
		[2]
		[3]
		[4]
		[5]]
>>>[[1 2 3 4 5]]
>>>[1 2 3 4 5]

reshape()

1. reshape()第一个小例子

arr = [1,2,3,4,5,6,7,8,9]
array = np.array(arr)
print(array.reshape(3,3))    # 使用reshape把该列表变成了3*3的矩阵

print(array.reshape(-1,3))    # 这个同样也可以变成3*3的矩阵，好神奇。why？
# 这是因为前面的-1代表不知道可以分多少行，但是需要分成三列。

2. 第二个小例子

arr = [1,2,3,4,5,6,7,8]
array = np.array(arr)
print(array.reshape(2,2,2))    # 变为三维数组

3. note： reshape新生成数组和原数组公用一个内存，不管改变哪个都会互相影响。
4. 看到一个实际的例子

from sklearn.datasets import load_digits 一个图片的数据集

picture_data = data.reshape(-1,8,8,1)

这个图像的表示方法是1797*64，表示1797张图片，每张图片用一行64个数表示，要把这一行的数据取出来，就要用到到reshape；

-1表示不知道，两个8表示8行8列，1表示一维空间（彩色是在处理的时候是三维空间RGB），这句代码就是把179764这个矩阵，变换成88的不知道多少个的矩阵，这样后面就方便用CNN神经网络去处理了。
参考：https://blog.csdn.net/zenghaitao0128/article/details/78512715

squeeze()

1. 作用：从数组的形状中删除单维度条目，即把shape中为1的维度去掉
2. 语法：numpy.squeeze(a,axis = None)
3. a表示输入的数组，axis选择形状中的一维条目的子集。如果选择形状输入大于1的轴，则会引发错误。
4. 场景：在机器学习和深度学习中，通常算法的结果是可以表示向量的数组（即包含两对或以上的方括号形式[[]]），如果直接利用这个数组进行画图可能显示界面为空（见后面的示例）。我们可以利用squeeze()函数将表示向量的数组转换为秩为1的数组，这样利用matplotlib库函数画图时，就可以正常的显示结果了。

x = np.array([[[0], [1], [2]]])
print(x.shape)
print(np.squeeze(x))
print(np.squeeze(x).shape)

print(np.squeeze(x, axis=0))   # 第0层是[[[0], [1], [2]]]，他的子集是一个一维数组
print(np.squeeze(x,axis=0).shape)

print(np.squeeze(x, axis=2))   # 第2层[0], [1], [2]，他的子集有三个，分别是一维数组
print(np.squeeze(x,axis=2).shape)

print(np.squeeze(x, axis=1))   # 第1层是[[0], [1], [2]]，他的子集是一个三维维数组，会报错，此处就不返回了
print(np.squeeze(x,axis=1).shape)

>>>(1, 3, 1)
>>>[0 1 2]
>>>(3,)

>>>[[0]
	   [1]
	   [2]]
>>>(3, 1)

>>>[[0 1 2]]
>>>(1, 3)

5. 图示

import matplotlib.pyplot as plt
import numpy as np

#无法正常显示图示案例
squares =np.array([[1,4,9,16,25]]) 
print(squares.shape)       #要显示的数组为可表示1行5列的向量的数组
>>>(1, 5)

plt.plot(squares)
plt.show()

# 正常显示图示案例
# 通过np.squeeze()函数转换后，要显示的数组变成了秩为1的数组，即（5，）
plt.plot(np.squeeze(squares))    
plt.show()
print(np.squeeze(squares).shape)
>>>(5,)

方法3：也是只能处理二层的

import itertools
a = ['a', 'b', ['c', ['d', 'e']]]
out = list(itertools.chain.from_iterable(a))
print(out)

>>>['a', 'b', 'c', ['d', 'e']]

itertools 也是一个库

参考： https://blog.csdn.net/pipisorry/article/details/45171451
https://blog.csdn.net/weixin_41084236/article/details/81626968?utm_source=blogxgwz4

1. itertools.chain() 它接受一系列可迭代对象作为输入并返回一个新的迭代器(实际上是在对多个容器进行迭代)，该迭代器可连续访问并返回提供的每个迭代对象中的元素

    from itertools import chain  
    b = ['x', 'y', 'z']
    test = chain('AB', '123', b)  
    for el in test:  
        print(el)  
    
    输出：  
    A  
    B  
    1  
    2  
    3  
    x
    y
    z

2. 如果输入的序列很大，在内存使用上chain()就会高效很多，而且当可迭代对象之间不是同一种类型时也可以轻松适用。
3. chain.from_iterable(iterables) 将单个iterable中的所有元素拼接输出。

d=['串一株幸运草',' 串一个同心圆']
for i in itertools.chain.from_iterable(d):
    print(i)
输出：
串
一
株
幸
运
草

串
一
个
同
心
圆

方法4：sum()

a = [[1, 2], [3, 4], [5, 6]]
print(sum(a, []))
>>> [1, 2, 3, 4, 5, 6]
print(sum(a, [9,[10,11]]))
>>>[9, [10, 11], 1, 2, 3, 4, 5, 6]

1. 语法：sum(iterable, start=None)
2. 返回一个可迭代的数字（非字符串）加上参数’start’的值（默认为0）。 当iterable为空时，返回start。

方法5：直接用列表

a = [[1, 2], [3, 4], [5, 6]]
print([x for i in a for x in i])
>>> [1, 2, 3, 4, 5, 6]

a = [[[1, 2], [3, 4]], [[5, 6], [7, 8]]]
print([x for l1 in a for l2 in l1 for x in l2])
>>>[1, 2, 3, 4, 5, 6, 7, 8]

小结

暂时写到这里，如有不足，还请指正~