"iterating" 对单个项目的 pythonic 方式是什么？

Question

我经常遇到这个问题，如果没有一些非常简单和 pythonic 的单行解决方案，我会感到惊讶。

假设我有一个方法或函数将列表或其他一些可迭代对象作为参数。我希望对对象中的每个项目执行一次操作。

有时，只有一个项目（例如，一个浮点值）被传递给这个函数。在这种情况下，我的 for 循环不知道该怎么办。因此，我发现自己在代码中添加了以下代码片段：

from collections.abc import Sequence

def my_function(value):
   if not isinstance(value, Sequence):
      value = [value]

   # rest of my function

这行得通，但看起来很浪费，而且不是特别清晰。在搜索 Whosebug 时，我还发现字符串被视为序列，因此如果参数错误，这段代码很容易中断。感觉这不是正确的方法。

我有 MATLAB 背景，这在该语言中得到了巧妙的解决，因为标量被视为 1x1 矩阵。我希望，至少，有一个内置的东西，比如 numpy 的 atleast_1d function，如果它不是一个，它会自动将任何东西转换成一个可迭代的东西。

Answer 1

简短的回答是不，没有简单的built-in。是的，如果你想让 str（或 bytes 或 bytes-like 之类的东西）充当标量值，它会变得更丑陋。 Python 期望调用者遵守接口约定；如果你说你接受序列，那么就这么说吧，它由调用者来包装任何单独的参数。

如果您必须这样做，有两种显而易见的方法：

首先是让您的函数接受可变参数而不是单个参数，并将其留给调用者解压任何序列，这样您就可以始终迭代接收到的可变参数：

def my_function(*values):
    for val in values:
        # Rest of function

带有单个项目的来电者用 my_function(a, b) 呼叫您，带有序列的呼叫者用 my_function(*seq) 呼叫您。后者确实会产生一些开销以将序列解压缩为新的 tuple 以供 my_function 接收，但在许多情况下这很好。

如果出于某种原因这不可接受，另一种解决方案是按照您关心的任何规则推出您自己的“确保可迭代”转换器函数：

from collections.abc import ByteString

def ensure_iterable(obj):
    if isinstance(obj, (str, ByteString)):
        return (obj,)  # Treat strings and bytes-like stuff as scalars and wrap
    try:
        iter(obj)  # Simplest way to test if something is iterable is to try to make it an iterator
    except TypeError:
        return (obj,)  # Not iterable, wrap
    else:
        return obj  # Already iterable

my_function 可用于：

def my_function(value):
   value = ensure_iterable(value)

Answer 2

我会鸭式：

def first(item):
    try:
        it=iter(item)
    except TypeError:
        it=iter([item])
    return next(it)

测试一下：

tests=[[1,2,3],'abc',1,1.23]

for e in tests:
    print(e, first(e))

打印：

[1, 2, 3] 1
abc a
1 1
1.23 1.23

Answer 3

Python 是一种通用语言，具有真正的标量，以及像列表这样的可迭代对象。

MATLAB 没有真正的标量。基础对象是一个二维矩阵。它最初并不是一种通用语言。

numpy 将类似 MATLAB 的数组添加到 Python，但它也可以有 0d 数组 (scalar arrays)，这可能会让任性的 MATLAB 用户头疼。

许多 numpy 函数都有将其输入转换为数组的规定。这样他们就可以处理列表输入以及数组

In [10]: x = np.array(3)
In [11]: x
Out[11]: array(3)
In [12]: x.shape
Out[12]: ()
In [13]: for i in x: print(x)
Traceback (most recent call last):
  Input In [13] in <cell line: 1>
    for i in x: print(x)
TypeError: iteration over a 0-d array

它还有确保数组为 1d 或 2 ...

的实用函数

In [14]: x = np.atleast_1d(1)
In [15]: x
Out[15]: array([1])
In [16]: for i in x: print(i)
1

但是像 old-fashion MATLAB 一样，我们更愿意避免在 numpy 中进行迭代。它没有 jit 编译功能，无法让当前的 MATLAB 用户进行迭代。技术上 numpy 函数确实使用迭代，但它通常在编译代码中。

np.sin应用于各种输入：

In [17]: np.sin(1)          # scalar
Out[17]: 0.8414709848078965
In [18]: np.sin([1,2,3])    # list
Out[18]: array([0.84147098, 0.90929743, 0.14112001])
In [19]: np.sin(np.array([1,2,3]).reshape(3,1))
Out[19]: 
array([[0.84147098],
       [0.90929743],
       [0.14112001]])

从技术上讲，[17] 结果是 numpy scalar，而不是基数 python 浮点数：

In [20]: type(Out[17])
Out[20]: numpy.float64

"iterating" 对单个项目的 pythonic 方式是什么？

What is the pythonic way of "iterating" over a single item?

python

numpy