python 映射：使用 2 个 lambda 函数为每一行获取 transposed_row_num，矩阵中的值对

Question

（请注意，我希望找到一种不使用列表理解的方法）

假设我有以下数据（0,1,2 索引行号，[[111,20,3,4], [5,66,7,8], [9,10,11,12]] 是原始矩阵的行）

df1 = [(0, [111, 20, 3, 4]), 
 (1, [5, 66, 7, 8]),
 (2, [9, 10, 11, 12])]

我想在 map 函数中使用 2 个 lambda 函数获得以下输出。它的格式为：每行的 (transposed_row_num, (original_row_num, value)) 对（例如，行是 [111, 20, 3, 4] 等）。

transposed_row_num 是这些行的列号。例如，第 0 行中的 20 的列号为 1，因此它应该是 (1,(0,20))):

 # Desired output:
 [[(0, (0, 111)), (1, (0, 20)), (2, (0, 3)), (3, (0, 4))],
  [(0, (1, 5)), (1, (1, 66)), (2, (1, 7)), (3, (1, 8))],
  [(0, (2, 9)), (1, (2, 10)), (2, (2, 11)), (3, (2, 12))]]

我尝试了下面的代码，但出现错误：

map2 = map(lambda x: [x[0]] + list(map(lambda y: y[0], x[1].index(y))),
df1)
list(map2)

# ValueError: [[111, 20], [3, 4]] is not in list

Answer 1

你可以用嵌套的list comprehension来做，这样更容易，代码也更好

result = [
    [(idx_in, (row[0], val)) for idx_in, val in enumerate(row[1])]
    for row in df1
]

然后把外面的list comprehension改成map操作

result = list(map(lambda row: [(idx_in, (row[0], val)) for idx_in, val in enumerate(row[1])], df1))

然后把里面的list comprehension改成map操作

result = list(map(lambda row: 
         list(map(lambda idx_val: (idx_val[0], (row[0], idx_val[1])), enumerate(row[1]))), df1))

python 映射：使用 2 个 lambda 函数为每一行获取 transposed_row_num，矩阵中的值对

python map: with 2 lambda functions get transposed_row_num for each row, value pair in a matrix

python

mapreduce

data-manipulation