以下代码中的 zip(*res) 在 python 中是什么意思？ [复制]答案

【问题标题】：what does zip(*res) mean in python in the following code? [duplicate]以下代码中的 zip(*res) 在 python 中是什么意思？ [复制]
【发布时间】：2017-10-29 05:00:13
【问题描述】：

这是来自 github 上 Allen Downey 的 Think Bayes 书中的一段代码：

def ReadData(filename='showcases.2011.csv'):
    """Reads a CSV file of data.
    Args:
      filename: string filename
    Returns: sequence of (price1 price2 bid1 bid2 diff1 diff2) tuples
    """
    fp = open(filename)
    reader = csv.reader(fp)
    res = []

    for t in reader:
        _heading = t[0]
        data = t[1:]
        try:
            data = [int(x) for x in data]
            # print heading, data[0], len(data)
            res.append(data)
        except ValueError:
            pass

    fp.close()
    return zip(*res)

整个文件可以在这个网址看到：link on Github for this file.

我想弄清楚最后一行代码中的 zip(*res) 是什么意思？具体来说：

“*”用作前缀时有何作用。接下来
zip 函数对 (*anything) 有什么作用

我是 Python 新手，所以我可能会问一些显而易见的问题。我在函数的文档字符串中看到作者的注释，它返回 (price1 price2 ...) 的序列，但我不太清楚。

更新：跟进 James Rettie 的回答，这是我在运行他在 Python 3.6 中提供的代码时得到的结果：

In [51]: zip(['a', 'b', 'c'], [1, 2, 3])
Out[51]: <zip at 0x1118af848>

而在 Python 2.7 中运行相同的代码会产生他提供的结果，如下所示：

In [2]: zip(['a', 'b', 'c'], [1, 2, 3])
Out[2]: [('a', 1), ('b', 2), ('c', 3)]

你能解释一下为什么吗？区别在于 Python 2.7 和 Python 3.6 对我来说很重要，因为我仍然必须支持 Python 2.7，但我想迁移到 3.6。

【问题讨论】：

感谢您指向此链接。它确实回答了我上面的问题。
对于 python 3 使用 list(zip(*x))。好消息是这也适用于 python 2，因为将list 应用于列表仍然会给出相同的列表。
不错！这对我有用。谢谢。

标签： python function zip

【解决方案1】：

在 python 中，* 是“splat”运算符。它用于将列表解包为参数。例如：foo(*[1, 2, 3]) 与 foo(1, 2, 3) 相同。

zip() 函数接受 n 迭代，并返回 y 元组，其中 y 是所有提供的迭代长度中的最小值。 yth 元组将包含所有提供的可迭代对象的 yth 元素。

例如：

zip(['a', 'b', 'c'], [1, 2, 3])

将产生

('a', 1) ('b', 2) ('c', 3)

对于您提供的示例中的res 之类的嵌套列表，调用zip(*res) 将执行以下操作：

res = [['a', 'b', 'c'], [1, 2, 3]]
zip(*res)
# this is the same as calling zip(['a', 'b', 'c'], [1, 2, 3])
('a', 1)
('b', 2)
('c', 3)

【讨论】：

【解决方案2】：

zip(*res) 转置矩阵（二维数组/列表）。 * operator“解包”一个可迭代的或矩阵的行，zip 按列交错和压缩行：

> x = [('a', 'b', 'c'), (1, 2, 3)]
> zip(*x)
[('a', 1), ('b', 2), ('c', 3)]

想象一下在对角线上镜像矩阵。

【讨论】：