这几天和同事在讨论，如何用 Python 写出优雅的让列表中的列表展开，变成扁平化的列表。
例如
# 期望输入
input = [[('A', 1), ('B', 2)], [('C', 3), ('D', 4)]]
# 期望输出
output = [('A', 1), ('B', 2), ('C', 3), ('D', 4)]
map 函数合并
>>> new = []; map(new.extend, input); new
[None, None]
[('A', 1), ('B', 2), ('C', 3), ('D', 4)]
这个方法看上去还可以，但是有个致命的缺点，就是map函数会返回值，并且这个返回值是没有用的。另外还需要提前声明一个变量，从代码的简洁性上，不够简洁优雅。
sum 函数合并
>>> sum(input, [])
[('A', 1), ('B', 2), ('C', 3), ('D', 4)]
这个看上去很简洁，不过有类似字符串累加的性能陷阱。后面有性能对比。
reduce 函数
>>> reduce(list.__add__, input)
[('A', 1), ('B', 2), ('C', 3), ('D', 4)]
做序列的累加操作。也是有累加的性能陷阱。
列表推导式
>>> [item for sublist in input for item in sublist]
[('A', 1), ('B', 2), ('C', 3), ('D', 4)]
列表推导式，看着有些长，而且还要for循环两次，变成一行理解需要费劲一些，没有那么直观。
itertools 类库
>>> list(itertools.chain(*input))
[('A', 1), ('B', 2), ('C', 3), ('D', 4)]
通过第三方类库类实现的，相比其他的几个实现，看着还算比较优雅。最后的性能发现居然还很高。
性能大对比
python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'reduce(list.__add__,l)' 1000 loops, best of 3: 547 usec per loop python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'sum(l, [])' 1000 loops, best of 3: 509 usec per loop python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' '[item for sublist in l for item in sublist]' 10000 loops, best of 3: 52.8 usec per loop python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99; import itertools;' 'list(itertools.chain(*l))' 10000 loops, best of 3: 35.9 usec per loop python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'new = []; map(new.extend, l); new' 10000 loops, best of 3: 34.1 usec per loop
欢迎大家共同探讨优雅的的实现和性能的优化。
补充：python 将(含嵌套的)dict平铺展开
话不多说，直接上代码：
def prefix_dict(di_, prefix_s=''):
"""
把字典的每个key都带上前缀prefix_s
:param di_:
:param prefix_s:
:return:
"""
return {prefix_s + k: v for k, v in di_.items()}
def spear_dict(di_, con_s='.'):
"""
展开dict(如果下层还是dict)，需要递归，展开到下层的数据类型不是字典为止
可能实用的地方：将文档类的数据格式化成更加关系化的样子可能有用
:param di_: 输入字典
:param con_s: 层级间的连接符号
:return: 深度不大于1的字典，嵌套的其他数据类型照旧
"""
ret_di = {}
for k, v in di_.items():
if type(v) is dict:
v = spear_dict(v)
# 这里或许有不写到这一层的更好写法
# for k_, v_ in v.items():
# ret_di.update({con_s.join([k, k_]): v_})
ret_di.update(prefix_dict(v, prefix_s=k + con_s))
else:
ret_di.update({k: v})
return ret_di
>>> di_
{'title': '新田商业街', 'reliability': 7, 'addressComponents': {'streetNumber': '', 'city': '深圳市', 'street': '', 'province': '广东省', 'district': '龙华区'}, 'location': {'lng': 114.09127044677734, 'lat': 22.700519561767578}, 'adInfo': {'adcode': '440309'}, 'level': 11, 'more_deep': {'loca': {'lng': 114.09127044677734, 'lat': 22.700519561767578}}}
>>> spear_dict(di_)
{'title': '新田商业街', 'reliability': 7, 'addressComponents.streetNumber': '', 'addressComponents.city': '深圳市', 'addressComponents.street': '', 'addressComponents.province': '广东省', 'addressComponents.district': '龙华区', 'location.lng': 114.09127044677734, 'location.lat': 22.700519561767578, 'adInfo.adcode': '440309', 'level': 11, 'more_deep.loca.lng': 114.09127044677734, 'more_deep.loca.lat': 22.700519561767578}
spear_dict(di_, '_')
{'title': '新田商业街', 'reliability': 7, 'addressComponents_streetNumber': '', 'addressComponents_city': '深圳市', 'addressComponents_street': '', 'addressComponents_province': '广东省', 'addressComponents_district': '龙华区', 'location_lng': 114.09127044677734, 'location_lat': 22.700519561767578, 'adInfo_adcode': '440309', 'level': 11, 'more_deep_loca.lng': 114.09127044677734, 'more_deep_loca.lat': 22.700519561767578}
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。
