Help us understand the problem. What is going on with this article?

【Python】ネストしたリストをタプルにしたい

リストをタプルにしたり、その逆にタプルをリストにするのはよくある要求です。

一般的な方法

一般的なのは組み込み関数のlistおよびtupleを使用することです。

l = [0, 1, 2]
t = tuple(l)
print(t)
(0, 1, 2)

この方法の問題

ところが、リストがネストしていた場合、最も浅い階層しかタプルにしてくれません。

l = [[0, 1, 2], [3, 4, 5, 6, 7], 8, 9]
t = tuple(l)
print(t) # ((0, 1, 2), (3, 4, 5, 6, 7), 8, 9) になってほしい
([0, 1, 2], [3, 4, 5, 6, 7], 8, 9)

キレそ。

ネストしたリストを内部ごとタプルにする関数

再帰呼び出ししながら全階層タプルにしてやりましょう。

def list_to_tuple(l):
    return tuple(list_to_tuple(e) if isinstance(e, list) else e for e in l)
l = [[0, 1, 2], [3, 4, 5, 6, 7], 8, 9]
t = list_to_tuple(l)
print(t)
((0, 1, 2), (3, 4, 5, 6, 7), 8, 9)

やったぜ。

元ネタとその比較

実はこの記事はこちらのパクリです。 お前恥ずかしくないのかよ

違いとしましては、むこうでは for 文と代入演算子を使用していた部分を内包表記にしたことです。

愚直に繰り返す for 文に対して、内包表記は専用の処理を呼び出してくれるため実行時間が短くなります (参考)。

def list_to_tuple_orig(_list):
    t = ()
    for e in _list:
        if isinstance(e,list):
            t += (list_to_tuple(e),)
        else:
            t += (e,)
    return t
l = list(range(10000))
%timeit t = list_to_tuple_orig(l)
%timeit t = list_to_tuple(l)
%timeit t = tuple(l)
92.7 ms ± 576 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
877 µs ± 3.31 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
19.6 µs ± 47.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

100 倍くらい早くなっていますね。 組み込み関数には大敗北ですが。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした