Question

有具有类似类型/任务的列表推导式的代码片段。理解公式中的每个迭代都是 numpy.array [(), (), ()] 形状。是否有更多的“pythonic”，而不是如此重复的编写方式？

conv_zcr = [bytes(x) for x in zcr]
conv_stft = [bytes(x) for x in stft]
conv_spectral_centroid = [bytes(x) for x in spectral_centroid]

Answer 1

好吧，如果他们有相同的 len，我想您可以尝试将其压缩在一起：

conv_zcr, conv_stft, conv_spectral_centroid = [
    (bytes(x), bytes(y), bytes(z))
    for x, y, z in zip(zcr, stft, spectral_centroid)
]

如果混合输出不是问题，您可能可以chain：

out = [bytes(x) for x in itertools.chain(zcr, stft, spectral_centroid)]

您可能可以将它们映射到您喜欢的位置：

out = [map(bytes, ar) for ar in [zcr, stft, spectral_centroid]]

Answer 2

我想你可以使用 map(...)。但我不认为它特别像 Pythonic。

conv_zcr = map(bytes, zcr)
conv_stft = map(bytes, stft)
conv_spectral_centroid = map(bytes, spectral_centroid)

如果您不想要延迟加载地图对象，请像这样 list() 投射到 list(map(bytes, zcr))。

Answer 3

你可以这样做


def byteify_lists(*lists):
    return [[bytest(x) for x in lst] for lst in lists]

conv_zcr, conv_stft, conv_spectral_centroid = byteifly_lists(zcr, stft, spectral_centroid)

或者在单个列表理解中


conv_zcr, conv_stft, conv_spectral_centroid = [[bytes(x) for x in lst] 
                                                for lst in 
                                                [zcr, stft, spetral_centroid]]

但老实说，你拥有它的方式很好。

Answer 4

不清楚您希望从三个列表中选择哪个方向。但是，一般来说，如果您希望一组对象经历相同的一组步骤，那么处理该数据的最简单方法通常是将该数据放在一个列表中。例如，

lists = [zcr, stft, spectral_centroid]

然后，如果我们想将 bytes() 应用于每个列表中的每个条目，我们可以通过多种方式实现：

conv_lists = [[bytes(i) for i in l] for l in lists]
conv_lists = [list(map(bytes,l)) for l in lists]

如果您希望元素以另一种方式定向，那么您可能需要 zip() 函数：

conv_lists = [list(map(bytes,l)) for l in zip(*lists)]

如果你想把结果放在 np.array() 中，那么把它包装在 np.array() 中：

import numpy as np
conv_lists = np.array([list(map(bytes,l)) for l in zip(*lists)])

有没有更pythonic的方式来使用多列表理解？

4 个答案: