Nano Hash - криптовалюты, майнинг, программирование

Создать список из двух кортежей кортежей

У меня есть два кортежа кортежей:

dCF3t=((((1.90683376789093, -44705.1875), (1.90689635276794, -44706.76171875)),),)
dU1t=((((0.0, 0.00244894321076572), (0.00249999994412065, 0.00782267469912767)),),)

Мне нужно создать список со значением второго столбца каждого кортежа:

dFD=[]
dFD.append([x[1] for x in dU1t, y[1] for y in dCF3t])

Пример:

dFD=[[0.00244894321076572,-44705.1875],[0.00782267469912767,-44706.76171875]]

Но у меня выдает эту ошибку: name 'y' is not defined

P.S.: Оба кортежа были созданы из списков списков кортежей.

РЕДАКТИРОВАТЬ: Чтобы избежать ,),) в конце кортежей, рассмотрите:

dCF3t=[[((1.90683376789093, -44705.1875), (1.90689635276794, -44706.76171875))]]
dU1t=[[((0.0, 0.00244894321076572), (0.00249999994412065, 0.00782267469912767))]]

РЕШЕНИЕ:

    dFD=[]
    for i in range(0, len(dU1t[0][0])):
        dFD.append([dU1[0][0][i][1],dCF3[0][0][i][1]])
python list tuples
03.05.2013

  • Мне не совсем понятно, что вы пытаетесь сделать. Не могли бы вы сказать, что вы хотите, чтобы он вернул в вашем примере? 03.05.2013
  • @azgult: готово! Спасибо 03.05.2013

Ответы:


1

Я верю, что ты ищешь

dFD=[[x[1],y[1]] for x,y in zip(dU1t[0], dCF3t[0])]

В общем, вы должны стараться избегать добавления чего-то, насколько это возможно; обычно он замедляется, потому что может потребоваться копирование всего списка в новое место в памяти. В вашем примере оператор append по сути тривиален, поэтому он не будет стоить вам много, но он также совершенно не нужен.

03.05.2013

2

Я подозреваю, что вы хотите что-то вроде этого:

dFD.append([x[1] for x in dU1t]+[y[1] for y in dCF3t])

Хотя вы можете использовать extend, а не append, если только вы не хотите, чтобы dFD содержал список в списке.

03.05.2013

3

Кажется, это соответствует вашему примеру:

dFD = [[x[1], y[1]] for x,y in zip(dU1t[0], dCF3t[0])]
03.05.2013

4

Хорошо, здесь есть несколько проблем:

  1. Ваши «кортежи кортежей» на самом деле являются кортежами кортежей кортежей кортежей. Слои довольно неясны, но, по сути, кортежи кортежей инкапсулированы в два слоя одноэлементных кортежей. В оставшейся части этого поста я буду предполагать, что вместо этого переменные установлены следующим образом:

    dCF3t=(1.90683376789093, -44705.1875), (1.90689635276794, -44706.76171875)
dU1t=(0.0, 0.00244894321076572), (0.00249999994412065, 0.00782267469912767)

    Если невозможно сгенерировать их в таком виде, попробуйте избавиться от внешнего кортежа с помощью

    dCF3t = dCF3t[0][0]
dU1t = dU1t[0][0]

  2. Вы должны использовать dFD.extend() вместо dFD.append(). Extend добавляет все элементы переданного ему итерируемого объекта, а append просто добавляет его аргумент в список. Тем не менее, нет необходимости использовать их, так как в начале список пуст. Вы можете просто установить его непосредственно в понимание списка.

  3. Само понимание списка - это та часть, которая на самом деле допустила ошибку. Проблема в том, что вы пытаетесь перебрать два разных объекта в одном и том же понимании списка; для ваших целей идеально подходит метод zip Python:

    dFD = [(x[1], y[1]) for x, y in zip(dU1t, dCF3t)]
03.05.2013
  • В моем случае у меня есть dCF3t=((((1.90683376789093, -44705.1875), (1.90689635276794, -44706.76171875)),),), а ваш код дает IndexError: tuple index out of range. КАК я могу преобразовать dCF3t в ((((1.90683376789093, -44705.1875), (1.90689635276794, -44706.76171875)))) или подобное? 03.05.2013
  • Извините, когда я создал свой ответ, в вашем сообщении были немного другие переменные. Я исправил это сейчас. Тем не менее, ваша ошибка означает, что вы не сделали замены на шаге 1.; Это можно сделать напрямую, однако код на шаге 3 выглядит несколько иначе: dFD = [(x[1], y[1]) for x, y in zip(dU1t[0][0], dCF3t[0][0])] 03.05.2013
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..