Python学习笔记——如何实现列表的“扁平化”，如何将多个列表组合在一起

问题

有时候我们会碰到这样的问题：需要将一个含有“子列表”的列表“扁平化，也就是说，消除子列表，将原来的列表变成一个不含子列表的列表，说起来拗口，例子如下：

有这么一个列表：

list_a = [[1, 2, 3, 4], [5, 6, 7], [8, 9], [10, 11]]
flatten(list_a) = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

不同的解决方案

for-loop 方案：

最直接的方案是使用 for-loop：

flatten = []
for subitem in list:
   flatten.extend(subitem}

列表推导式1:

还可以使用下面的列表推导式：

flatten = [sublist[i] for sublist in list_a for i in range(len(sublist))]

上面的写法等价于（但是速度更快）：

for sublist in list_a:
    for i in range(len(sublist)):
        flatten.append(sublist[i])

列表推导式2:

还有更直接的列表推导式可以用：

flatten = [item for sublist in list_a for item in sublist]

上面的推导式等价于（但是速度更快）:

for sublist in list_a:
    for item in sublist:
        flatten.append(item)

运行速度对比

首先测试情形1:在列表中有少量庞大的子列表：结论是：
for-loop速度最快，列表推导式1最慢

# 定义一个包含四个子列表的列表，每个子列表包含十万个元素
In [14]: a = list(range(100000))                                                                  
In [15]: b = list(range(100000))   
In [16]: c = list(range(100000))         
In [17]: d = list(range(100000))   
In [19]: e = [a, b, c, d]  
# 测试for-loop形式
In [20]: %%timeit  
    ...: f = [] 
    ...: for sublist in e: 
    ...:     f.extend(sublist) 
    ...:         
1.82 ms ± 6.49 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
# 测试列表推导式1
In [21]: %timeit [sublist[i] for sublist in e for i in range(len(sublist))]    
22.1 ms ± 529 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
# 测试列表推导式2
In [22]: %timeit [item for sublist in e for item in sublist]            
9.7 ms ± 57.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

下面测试列表中存在大量较小子列表的情形，其结论仍然是：
for-loop最快，列表推导式1最慢
最后还测试了列表推导式2的等价for-loop形式，这个速度比列表推导式形式更慢

# 定义一个包含十万个子列表的列表，每个子列表包含100个元素
In [24]: a = list(range(100))     
In [25]: b = [a] * 100000                                                                                                                                                    
# 测试for-loop形式
In [26]: %%timeit  
    ...: flatten = [] 
    ...: for sublist in b: 
    ...:     flatten.extend(sublist) 
    ...:                                                                         
67.9 ms ± 1.5 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
# 测试列表推导式1
In [27]: %timeit [sublist[i] for sublist in b for i in range(len(sublist))]    
448 ms ± 6.09 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
# 测试列表推导式2
In [28]: %timeit [item for sublist in b for item in sublist]            
236 ms ± 16 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
# 测试列表推导式2的等价for-loop形式
In [29]: %%timeit  
    ...: flatten = [] 
    ...: for sublist in b: 
    ...:     for item in sublist: 
    ...:         flatten.append(item) 
    ...:                                        
590 ms ± 4.47 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)