在单个项目上“迭代”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 的单线解决方案，我会感到惊讶。

假设我有一个将列表或其他可迭代对象作为参数的方法或函数。 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（比如一个浮点值）被传递给这个函数。 在这种情况下，我的 for 循环不知道该怎么做。 因此，我发现自己在我的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，但它似乎很浪费而且不是特别清晰。 在搜索 StackOverflow 时，我还发现字符串被认为是序列，因此如果参数错误，这段代码很容易中断。 只是感觉不是正确的方法。

我来自 MATLAB 背景，由于标量被视为 1x1 矩阵，因此可以用该语言巧妙地解决这个问题。 至少，我希望有一个内置的东西，比如 numpy 的atleast_1d 函数，如果它不是一个，它会自动将任何东西转换为可迭代的。

Answer 1

简短的回答是不，没有简单的内置。 是的，如果您希望str （或bytes或类似字节的东西或其他）充当标量值，它会变得更丑陋。 Python 期望调用者遵守接口契约； 如果你说你接受序列，就这么说吧，它由调用者来包装任何单独的参数。

如果你必须这样做，有两种明显的方法可以做到：

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缩任何序列，因此您始终可以迭代收到的可变参数：

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

具有单个项目的调用者使用my_function(a, b)调用您，具有序列的调用者使用my_function(*seq)调用您。 后者确实会产生一些开销来将序列解包到my_function接收的新元tuple ，但在许多情况下这很好。

如果由于某种原因这不可接受，另一种解决方案是推出自己的“确保可迭代”转换器功能，遵循您关心的任何规则：

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可以用于：

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

Answer 2

Python 是一种通用语言，具有真正的标量以及列表等可迭代对象。

MATLAB 没有真正的标量。 基础对象是一个二维矩阵。 它并不是作为一种通用语言开始的。

numpy在 Python 中添加了类似 MATLAB 的数组，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。 这样他们就可以使用列表输入和数组

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

它还具有确保数组为 1d 或 2 ...

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

但就像老式 MATLAB 一样，我们更愿意避免在numpy中进行迭代。 它没有jit编译，让当前的 MATLAB 用户可以通过迭代来解决问题。 从技术上讲， 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] 结果是一个numpy scalar ，而不是基本的 python 浮点数：

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

Answer 3

我会鸭式：

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

测试它：

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

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

印刷：

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