在任意位置插入列的 Pythonic 方式答案

【问题标题】：Pythonic Way of Inserting Columns at Arbitrary Positions在任意位置插入列的 Pythonic 方式
【发布时间】：2013-12-14 20:30:10
【问题描述】：

我有一个由行列表表示的数据网格：

tableData = [
    [-27.37, 36.61 , 8.90  , -11.20, -36.03, -42.34],
    [16.83 , -33.45, -5.15 , 12.90 , -48.60, -8.70],
    [-19.73, 2.64  , 7.21  , 24.16 , 18.38 , 20.47],
    [-31.05, 15.07 , 42.69 , -32.13, -36.02, 42.31],
    [15.18 , 30.54 , -47.31, 48.38 , 31.60 , -1.98]
]

现在，我想插入包含 None 值的两列，例如在列 2&3 和 4&5 之间，这样我就有了以下内容：

tableDataWithNones = [
    [-27.37, 36.61 , None,  8.90  , -11.20, None, -36.03, -42.34],
    [16.83 , -33.45, None,  -5.15 , 12.90 , None,  -48.60, -8.70],
    [-19.73, 2.64  , None,  7.21  , 24.16 , None,  18.38 , 20.47],
    [-31.05, 15.07 , None,  42.69 , -32.13, None,  -36.02, 42.31],
    [15.18 , 30.54 , None,  -47.31, 48.38 , None,  31.60 , -1.98]
]

我可以像这样使用双 for 循环来做到这一点：

spacerPositions = [2, 4]
for i in tableData:
    for j in reversed(spacerPositions):
        i.insert(j, None)

但这感觉不像是pythonic的方式。

我在想我可以使用 numpy 转置数据，以便列可以变成行，然后我可以使用 insert 将行 Nones 放入，然后将数据转回。但是 insert 不能为索引取多个值，所以我仍然必须使用 for 循环。

有什么想法可以更好地做到这一点吗？

【问题讨论】：

标签： python numpy matrix data-manipulation

【解决方案1】：

使用numpy.insert：

>>> import numpy as np
>>> arr = np.array(tableData)
>>> np.insert(arr, (2, 4), None, axis=1)
array([[-27.37,  36.61,    nan,   8.9 , -11.2 ,    nan, -36.03, -42.34],
       [ 16.83, -33.45,    nan,  -5.15,  12.9 ,    nan, -48.6 ,  -8.7 ],
       [-19.73,   2.64,    nan,   7.21,  24.16,    nan,  18.38,  20.47],
       [-31.05,  15.07,    nan,  42.69, -32.13,    nan, -36.02,  42.31],
       [ 15.18,  30.54,    nan, -47.31,  48.38,    nan,  31.6 ,  -1.98]])

【讨论】：

【解决方案2】：

一种非 numpy 的功能性方式：

from functools import partial

    def insertFunc(data, locs):
        out = []

        for i,d in enumerate(data):
            if i in locs:
                out.append(None)

            out.append(d)

        return out

map(partial(insertFunc,locs=spacerPositions),tableData)

对比一下

for i in spacerPositions: 
    for row in tableData: 
        row.insert(i, None)

使用timeit(...,number=10000)，我得到：

0.144109010696 对于第一个算法第二种算法0.606826066971

这是有道理的，因为插入是 O(n)，而追加是 O(1)。

令人惊讶的是，使用 numpy 为接受的解决方案计时：

 timeit.timeit('np.insert(arr,(2,4), None, axis=1)',number=10000,setup='import numpy as np;from __main__ import tableData; arr = np.array(tableData)')

给出 0.44481992721557617

【讨论】：

请不要使用map 来获得副作用。这更快，并且（对我而言）更具可读性：for i in spacerPositions: for row in tableData: row.insert(i, None)
显示我所知道的！感谢您的洞察力。你的推理是有道理的，因为函数式编程的重点是（尽可能）没有副作用。