WedX - журнал о программировании и компьютерных науках

Перебрать список с неизвестным подсписком внутри в Python?

Я работаю над алгоритмом кластеризации, и когда после кластеризации данных он возвращает список, содержащий один документ (документ класса) и группу (группу классов) документов, например:

Group(Document(id='NSVcteD-5', name=u'1332410487000-2ed0728e9015028e7c41341011a1bd82'), Group(Document(id='NSVcteD-11', name=u'1332410485000-18ae371b18b3790874fb886085c770af'), Group(Document(id='NSVcteD-12', name=u'1332410484000-dc544efc146674289b126062b000a302'), Group(Document(id='NSVcteD-6', name=u'1332410487000-25e815a47779642df2a416495bd5174c'), Group(Document(id='NSVcteD-7', name=u'1332410485000-eb66881f5b1c633dd1609ad6fc18a45c'), Group(Document(id='NSVcteD-2', name=u'1332410487000-a39e2076ca4477e8a324081732bd36c0'), Group(Document(id='NSVcteD-9', name=u'1332410485000-db1acc63d72a63f65623610242394877'), Group(Group(Document(id='NSVcteD-13', name=u'1332410152000-13ea7da3c74917b86bb70e59ff356397'), Document(id='NSVcteD-3', name=u'1332410487000-6287c3d86e6416cb421b6f176a367e23')), Group(Document(id='NSVcteD-10', name=u'1332410485000-508937f6a4cae9ed79dbd54f016ca61c'), Group(Document(id='NSVcteD-4', name=u'1332410487000-4b16fa5633a9df1341690d9a32a4f06d'), Group(Document(id='NSVcteD-1', name=u'1332410487000-b6696b10ad4415c87e41e5367fd4bcfa'), Group(Document(id='NSVcteD-8', name=u'1332410485000-e3f77be9cddcb9efc07914654454d817'), Group(Document(id='NSVcteD-14', name=u'1332410151000-cc13783d0980106d686d64082121f6ac'), Document(id='NSVcteD-15', name=u'1332410151000-a91330e828e41ed3b8503f3133f61fc7'))))))))))))))

Чтобы было понятно, просто приведите реальный объект, сгенерированный моим скриптом. Это многоуровневый список, и я понятия не имею, как итерировать, чтобы манипулировать им, например, преобразовать в строку стиля json.

Любая помощь очень ценится.

python list loops sublist
23.03.2012

  • Если ваш язык конкретно Python, почему бы просто не включить несколько чистых и понятных примеров кода Python для ваших данных вместо этого общего трудночитаемого текстового примера? 23.03.2012
  • Спасибо за ваш комментарий, я только что включил объект, сгенерированный фреймворком моей компании. С уважением 23.03.2012

Ответы:


1

Вы имеете в виду что-то вроде этого? Обратите внимание, что это совершенно неэффективно и сломается после определенной глубины.

>>> def recursive_iterate(iterable):
...     iterated_object=[]
...     for elem in iterable:
...         if hasattr(elem,"__iter__"):
...             iterated_object.append(recursive_iterate(elem))
...         else:
...             iterated_object.append(elem)
...     return iterated_object
... 
>>> recursive_iterate([1,2,3,[4,5,6]])
[1, 2, 3, [4, 5, 6]]
>>> recursive_iterate([1,2,3,xrange(10)])
[1, 2, 3, [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]]
>>> recursive_iterate([1,2,3,[4,5,6,[xrange(10)]]])
[1, 2, 3, [4, 5, 6, [[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]]]]
23.03.2012
  • привет Люк, в общем, это то, что я ищу. но не могли бы вы дать мне еще несколько советов по выполнению этой функции? или любой другой способ рекурсивно повторять? Спасибо 24.03.2012
  • Что ж, рекурсивная итерация обычно плоха, потому что она непропорционально увеличивает сложность алгоритма вашего кода. 24.03.2012
  • Вы можете попробовать удалить Tail Recursion, но это всего лишь патч для приведенного выше кода, и он вам не сильно поможет. Возможно, вам следует написать свой код на c/c++/cython. Другой вариант — преобразовать ваши вложенные объекты в json, как описано здесь title="самый простой способ сериализовать объект простого класса с помощью simplejson">stackoverflow.com/questions/2343535/ 24.03.2012
    • Новые материалы
    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
    ИИ в аэрокосмической отрасли
    Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..
    Для любых предложений по сайту: [email protected]