Nano Hash - криптовалюты, майнинг, программирование

Как мне получить доступ к n-му вложенному списку, если я знаю глубину вложенных списков?

В общем случае я классифицирую точки данных во вложенных списках с переменной глубиной вложенных циклов, например, в простом случае:

alist = [ [[a, b], [c, d]],  [[e, f], [g, h]] ]

Я использую это, чтобы иметь такие операции, как скобки, например:

min ([ max([a, b]), max([c,d]) ])

Однако проблема, с которой я сталкиваюсь, заключается в том, что в моем примере я ссылаюсь на [a, b] и [c, d], но я хочу ссылаться на них как на переменные или индексы списка в случае, если у нас есть известная глубина вложенных списков и известное количество элементов в самых глубоких вложенных скобках.

С тем, что я знаю об использовании индексов списка, я не понимаю, как я могу ссылаться на глубину nth во вложенном списке. Если бы я хотел сослаться на третий вложенный список, я должен явно написать:

nlist[0][0][i]

И поэтому, если глубина меняется, я ничего не могу сделать.

python nested-lists depth tree
25.02.2021

Ответы:


1

Вам нужно знать больше, чем просто глубину. Как и в вашем последнем примере, вам нужно иметь 3 значения: 0, 0, т.е.

В общем случае вам нужно знать n индексов.

Таким образом, вы можете написать небольшую вспомогательную функцию, которая принимает эти индексы в качестве аргумента:

def deep_get(lst, *indices):
    for i in indices:
        lst = lst[i]
    return lst

И теперь, когда у вас есть список indices, вы можете сделать:

indices = [0, 0, i]
# ...
# ...
print(deep_get(lst, *indices))

Параметр

Если вам нужно установить значение, а не получить его, используйте эту функцию:

def deep_set(lst, value, *indices):
    for i in indices[:-1]:
        lst = lst[i]
    lst[indices[-1]] = value

Звонить как:

indices = [0, 0, i]
# ...
# ...
newValue = 9
print(deep_set(lst, newValue, *indices))
25.02.2021
  • Что, если вместо извлечения или получения списка с индексом я хочу присвоить значение по индексу, например: indices = [0, 0, 1] 26.02.2021
  • Смотрите дополнение к ответу. 26.02.2021
    • 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..