Flattening the nested list

转载，整理

嵌套列表的压平

如何将多维列表转化成一维的？
对于规范的且嵌套维度较低的多维列表，python中有很多方法可以实现：

1、简单的多维列表转化

a=[[1,2],[3,4],[5,6]]
print([j for i in a for j in i])

[1, 2, 3, 4, 5, 6]

#or
from itertools import chain
print(list(chain(*a)))

[1, 2, 3, 4, 5, 6]

#or
import itertools
a = [[1,2,3],[4,5,6], [7], [8,9]]
out = list(itertools.chain.from_iterable(a))
print(out)

[1, 2, 3, 4, 5, 6, 7, 8, 9]

#or
a=[[1,2],[3,4],[5,6]]
t=[]
[t.extend(i) for i in a]
print(t)
type(t)

[1, 2, 3, 4, 5, 6]

#or
a=[[1,2],[3,4],[5,6]]
print(sum(a,[]))

[1, 2, 3, 4, 5, 6]

#or
from functools import reduce 
reduce(lambda x, y: x+ y, a)

[1, 2, 3, 4, 5, 6]

2、复杂的多维列表转化

对于复杂的多维嵌套列表就需要使用一些复杂的方法：

train_ingredients = [[1],["123",1]]
old_list = list(train_ingredients)
new_list = []
for item in old_list:
    for ingredient in item:
        new_list.append(ingredient)
print(new_list)

[1, ‘123’, 1]

from sklearn import preprocessing  
      
enc = preprocessing.OneHotEncoder()  # 创建对象
enc.fit([[0,0,3],
         [1,1,0],
         [0,2,1],
         [1,0,2]])   # 拟合,对每个列表中属性逐一编码，即第一个属性“0,1,0,1”，第二个属性“0,1,2,0”，第三个变量“3,0,1,2”

print(enc.n_values_)  #每个feature所占位数

#feature_indices_ 是对 n_values_ 的累积值，不过 feature_indices 的首位是 0
print(enc.feature_indices_)  #每个feature在新 One hot 编码下的索引位置

array = enc.transform([[0,1,3]]).toarray()  # 转化
print(array)

# 前 2 位 1, 0，对 0 进行编码
# 中间 3 位 0, 1, 0 对 1 进行编码；
# 末尾 4 位 0, 1, 0, 0 对 1 进行编码；

[2 3 4]
[0 2 5 9] #每个feature所占位数
[[1. 0. 0. 1. 0. 0. 0. 0. 1.]] #每个feature在新 One hot 编码下的索引位置

参考：

【1】sklearn preprocessing 数据预处理（OneHotEncoder）https://blog.youkuaiyun.com/lanchunhui/article/details/72794317

【2】sklearn-OneHotEncoder https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html

【3】Python嵌套列表转一维（压平嵌套列表）https://blog.youkuaiyun.com/acmer_ding/article/details/73195260