我有一个这样的列表:
L=[[[1,2,3],[4,5]],[[6,7,8,9],[10]]]
我想将整数 11 append 到子子列表 1 和 3。我可以这样做:
L[0][2].append(11)
L[1][2].append(11)
有没有更简单的方法在Python中做到这一点？
因为在我的例子中，假设我有一个包含 100 个子列表的列表，并且这些子列表有 100 个子列表(相当于 (100,100) 矩阵)，并且我想向子列表 append 一个从 nb 50 到 75 的值从 nb 10 到 20 的子列表。
所以现在我会做这样的事情:
for i in range(10,21):
for j in range(50,76):
L[i][j].append(value)
有没有更有效的方法？就像 numpy 数组一样，我们可以这样做
L=[10..21,50..76]=value
最佳答案
how to use numpy arrays in this case since L[i][j].size changes with i and j. Is it possible to use arrays in this case ?
是的，但是在这种情况下dtype是object。
L=[[[1,2,3],[4,5]],[[6,7,8,9],[10]]]
L=np.array(L) # L is a ndarray of list
# array([[[1, 2, 3], [4, 5]], [[6, 7, 8, 9], [10]]], dtype=object)
value=100
for i in L[0:1,0:2].flatten():
i.append(value)
# array([[[1, 2, 3, 100], [4, 5, 100]], [[6, 7, 8, 9], [10]]], dtype=object)
在此示例中，L 是 python list 对象的 numpy.ndarray。
type(L)
# <type 'numpy.ndarray'>
type(L[0,0])
# <type 'list'>
锯齿状数组的算术运算
使用numpy可以对L这样的锯齿数组进行高效的算术运算。
marr = np.vectorize(np.array,otypes=[np.ndarray])
L=[[[1,2,3],[4,5]],[[6,7,8,9],[10]]]
L=marr(L) # L is a ndarray of ndarray
L+L
# array([[array([2, 4, 6]), array([ 8, 10])],[array([12, 14, 16, 18]), array([20])]], dtype=object)
关于python - 将相同的元素追加到python中的多个子列表中，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36981925/