如何从列表列表中制作一个简单列表？

使用 functools.reduce，将累积列表添加到下一个列表：xsys

from functools import reduce
xss = [[1,2,3], [4,5,6], [7], [8,9]]
out = reduce(lambda xs, ys: xs + ys, xss)

输出：

[1, 2, 3, 4, 5, 6, 7, 8, 9]

---

使用 operator.concat 的更快方法：

from functools import reduce
import operator
xss = [[1,2,3], [4,5,6], [7], [8,9]]
out = reduce(operator.concat, xss)

输出：

[1, 2, 3, 4, 5, 6, 7, 8, 9]

作者注：这是非常低效的。但很有趣，因为单体很棒。

>>> xss = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
>>> sum(xss, [])
[1, 2, 3, 4, 5, 6, 7, 8, 9]

sum对可迭代对象的元素求和，并使用第二个参数作为求和的初始值。（默认初始值为 ，它不是列表。xss[]0

因为你要对嵌套列表求和，所以实际上得到的结果是 ，它等于 。[1,3]+[2,4]sum([[1,3],[2,4]],[])[1,3,2,4]

请注意，它仅适用于列表列表。对于列表列表的列表，您将需要另一个解决方案。

可以使用列表推导式对命名列表进行扁平化：xss

flat_list = [
    x
    for xs in xss
    for x in xs
]

以上相当于：

flat_list = []

for xs in xss:
    for x in xs:
        flat_list.append(x)

以下是相应的功能：

def flatten(xss):
    return [x for xs in xss for x in xs]

这是最快的方法。 作为证据，使用标准库中的 timeit 模块，我们看到：

$ python -mtimeit -s'xss=[[1,2,3],[4,5,6],[7],[8,9]]*99' '[x for xs in xss for x in xs]'
10000 loops, best of 3: 143 usec per loop

$ python -mtimeit -s'xss=[[1,2,3],[4,5,6],[7],[8,9]]*99' 'sum(xss, [])'
1000 loops, best of 3: 969 usec per loop

$ python -mtimeit -s'xss=[[1,2,3],[4,5,6],[7],[8,9]]*99' 'reduce(lambda xs, ys: xs + ys, xss)'
1000 loops, best of 3: 1.1 msec per loop

解释：当有 L 个子列表时，基于的方法（包括 中的隐含用法）是必要的——随着中间结果列表越来越长，在每一步都会分配一个新的中间结果列表对象，并且必须复制上一个中间结果中的所有项目（以及在末尾添加的一些新项目）。因此，为了简单起见，并且不损失实际的通用性，假设您有 L 个子列表，每个子列表包含 M 个项目：前 M 个项目来回复制次数，第二个 M 项目来回复制，依此类推;总份数是 M 乘以 x 从 1 到 L 的 x 之和，即 .+sumO(L**2)L-1L-2M * (L**2)/2

列表推导只生成一个列表，一次，并将每个项目（从其原始居住地复制到结果列表）也恰好一次。

函数不起作用的原因是扩展就地扩展了数组并且不返回它。您仍然可以使用 lambda 返回 x，如下所示：

reduce(lambda x,y: x.extend(y) or x, l)

注意：在列表中，extend 比 + 更有效。

你可以使用 itertools.chain（）：

>>> import itertools
>>> list2d = [[1,2,3], [4,5,6], [7], [8,9]]
>>> merged = list(itertools.chain(*list2d))

或者你可以使用 itertools.chain.from_iterable（），它不需要用运算符解压缩列表：*

>>> import itertools
>>> list2d = [[1,2,3], [4,5,6], [7], [8,9]]
>>> merged = list(itertools.chain.from_iterable(list2d))

这种方法可以说比这种方法更具可读性，而且似乎也更快：[item for sublist in l for item in sublist]

$ python3 -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99;import itertools' 'list(itertools.chain.from_iterable(l))'
20000 loops, best of 5: 10.8 usec per loop
$ python3 -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' '[item for sublist in l for item in sublist]'
10000 loops, best of 5: 21.7 usec per loop
$ python3 -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'sum(l, [])'
1000 loops, best of 5: 258 usec per loop
$ python3 -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99;from functools import reduce' 'reduce(lambda x,y: x+y,l)'
1000 loops, best of 5: 292 usec per loop
$ python3 --version
Python 3.7.5rc1

也可以使用 NumPy 的 flat：

import numpy as np
list(np.array(l).flat)

仅当子列表具有相同的维度时，它才有效。

如果您愿意为了更干净的外观而放弃一点点的速度，那么您可以使用或：numpy.concatenate().tolist()numpy.concatenate().ravel().tolist()

import numpy

l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]] * 99

%timeit numpy.concatenate(l).ravel().tolist()
1000 loops, best of 3: 313 µs per loop

%timeit numpy.concatenate(l).tolist()
1000 loops, best of 3: 312 µs per loop

%timeit [item for sublist in l for item in sublist]
1000 loops, best of 3: 31.5 µs per loop

您可以在文档 numpy.concatenate 和 numpy.ravel 中找到更多信息。

若要展平深度嵌套的数据结构，请使用 iteration_utilities.deepflatten¹：

>>> from iteration_utilities import deepflatten

>>> l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
>>> list(deepflatten(l, depth=1))
[1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> l = [[1, 2, 3], [4, [5, 6]], 7, [8, 9]]
>>> list(deepflatten(l))
[1, 2, 3, 4, 5, 6, 7, 8, 9]

它是一个生成器，因此您需要将结果转换为或显式迭代它。list

---

要仅展平一个级别，并且如果每个项目本身都是可迭代的，您还可以使用 iteration_utilities.flatten，它本身只是围绕itertools.chain.from_iterable的薄包装器：

>>> from iteration_utilities import flatten
>>> l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
>>> list(flatten(l))
[1, 2, 3, 4, 5, 6, 7, 8, 9]

---

只是为了添加一些时间（基于 Nico Schlömer 的回答，该回答不包括此答案中介绍的功能）：

这是一个对数-对数图，以适应跨越的巨大值范围。对于定性推理：越低越好。

结果表明，如果可迭代对象只包含几个内部可迭代对象，那么它将是最快的，但是对于长迭代对象，只有 或嵌套理解具有合理的性能，并且是最快的（正如 Nico Schlömer 已经注意到的那样）。sumitertools.chain.from_iterableiteration_utilities.deepflattenitertools.chain.from_iterable

from itertools import chain
from functools import reduce
from collections import Iterable  # or from collections.abc import Iterable
import operator
from iteration_utilities import deepflatten

def nested_list_comprehension(lsts):
    return [item for sublist in lsts for item in sublist]

def itertools_chain_from_iterable(lsts):
    return list(chain.from_iterable(lsts))

def pythons_sum(lsts):
    return sum(lsts, [])

def reduce_add(lsts):
    return reduce(lambda x, y: x + y, lsts)

def pylangs_flatten(lsts):
    return list(flatten(lsts))

def flatten(items):
    """Yield items from any nested iterable; see REF."""
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, (str, bytes)):
            yield from flatten(x)
        else:
            yield x

def reduce_concat(lsts):
    return reduce(operator.concat, lsts)

def iteration_utilities_deepflatten(lsts):
    return list(deepflatten(lsts, depth=1))


from simple_benchmark import benchmark

b = benchmark(
    [nested_list_comprehension, itertools_chain_from_iterable, pythons_sum, reduce_add,
     pylangs_flatten, reduce_concat, iteration_utilities_deepflatten],
    arguments={2**i: [[0]*5]*(2**i) for i in range(1, 13)},
    argument_name='number of inner lists'
)

b.plot()

---

^{1 免责声明：我是该库的作者}

下面是适用于数字、字符串、嵌套列表和混合容器的一般方法。这可以使简单和复杂的容器扁平化（另请参阅演示）。

法典

from typing import Iterable 
#from collections import Iterable                            # < py38


def flatten(items):
    """Yield items from any nested iterable; see Reference."""
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, (str, bytes)):
            for sub_x in flatten(x):
                yield sub_x
        else:
            yield x

注意：

• 在 Python 3 中，可以替换yield from flatten(x)for sub_x in flatten(x): yield sub_x
• 在 Python 3.8 中，抽象基类从模块移动到模块。collection.abctyping

演示

simple = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
list(flatten(simple))
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

complicated = [[1, [2]], (3, 4, {5, 6}, 7), 8, "9"]              # numbers, strs, nested & mixed
list(flatten(complicated))
# [1, 2, 3, 4, 5, 6, 7, 8, '9']

参考

• 该解决方案是根据 Beazley， D. 和 B. Jones 的配方修改而来的。Recipe 4.14，Python Cookbook 第 3 版，O'Reilly Media Inc.，加利福尼亚州塞瓦斯托波尔：2013 年。
• 找到了一个早期的 SO 帖子，可能是原始演示。

请考虑安装 more_itertools 软件包。

> pip install more_itertools

它附带了一个扁平化的实现（来源，来自 itertools 配方）：

import more_itertools


lst = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
list(more_itertools.flatten(lst))
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

注意：如文档中所述，扁平化需要列表列表。请参阅下文关于压平更多不规则输入的内容。

---

从 2.4 版本开始，您可以使用 more_itertools.collapse 展平更复杂的嵌套可迭代对象（源代码，由 abarnet 提供）。

lst = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
list(more_itertools.collapse(lst)) 
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

lst = [[1, 2, 3], [[4, 5, 6]], [[[7]]], 8, 9]              # complex nesting
list(more_itertools.collapse(lst))
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

以下对我来说似乎最简单：

>>> import numpy as np
>>> l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
>>> print(np.concatenate(l))
[1 2 3 4 5 6 7 8 9]

我用perfplot（我的一个宠物项目，本质上是一个包装器）测试了大多数建议的解决方案，发现timeit

import functools
import operator
functools.reduce(operator.iconcat, a, [])

成为最快的解决方案，无论是当许多小列表还是几个长列表连接在一起时。（同样快。operator.iadd

一个更简单且也可以接受的变体是

out = []
for sublist in a:
    out.extend(sublist)

如果子列表的数量很大，则其性能会比上述建议稍差。

---

重现绘图的代码：

import functools
import itertools
import operator

import numpy as np
import perfplot


def forfor(a):
    return [item for sublist in a for item in sublist]


def sum_brackets(a):
    return sum(a, [])


def functools_reduce(a):
    return functools.reduce(operator.concat, a)


def functools_reduce_iconcat(a):
    return functools.reduce(operator.iconcat, a, [])


def itertools_chain(a):
    return list(itertools.chain.from_iterable(a))


def numpy_flat(a):
    return list(np.array(a).flat)


def numpy_concatenate(a):
    return list(np.concatenate(a))


def extend(a):
    out = []
    for sublist in a:
        out.extend(sublist)
    return out


b = perfplot.bench(
    setup=lambda n: [list(range(10))] * n,
    # setup=lambda n: [list(range(n))] * 10,
    kernels=[
        forfor,
        sum_brackets,
        functools_reduce,
        functools_reduce_iconcat,
        itertools_chain,
        numpy_flat,
        numpy_concatenate,
        extend,
    ],
    n_range=[2 ** k for k in range(16)],
    xlabel="num lists (of length 10)",
    # xlabel="len lists (10 lists total)"
)
b.save("out.png")
b.show()

def flatten(alist):
    if alist == []:
        return []
    elif type(alist) is not list:
        return [alist]
    else:
        return flatten(alist[0]) + flatten(alist[1:])

另一种适用于异构和同构整数列表的不寻常方法：

from typing import List


def flatten(l: list) -> List[int]:
    """Flatten an arbitrary deep nested list of lists of integers.

    Examples:
        >>> flatten([1, 2, [1, [10]]])
        [1, 2, 1, 10]

    Args:
        l: Union[l, Union[int, List[int]]

    Returns:
        Flatted list of integer
    """
    return [int(i.strip('[ ]')) for i in str(l).split(',')]

matplotlib.cbook.flatten()将适用于嵌套列表，即使它们嵌套比示例更深。

import matplotlib
l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
print(list(matplotlib.cbook.flatten(l)))
l2 = [[1, 2, 3], [4, 5, 6], [7], [8, [9, 10, [11, 12, [13]]]]]
print(list(matplotlib.cbook.flatten(l2)))

结果：

[1, 2, 3, 4, 5, 6, 7, 8, 9]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13]

这比 underscore._.flatten 快 18 倍：

Average time over 1000 trials of matplotlib.cbook.flatten: 2.55e-05 sec
Average time over 1000 trials of underscore._.flatten: 4.63e-04 sec
(time for underscore._)/(time for matplotlib.cbook) = 18.1233394636

注意：以下内容适用于 Python 3.3+，因为它使用 yield_from。 虽然很稳定，但它也是第三方软件包。或者，您可以使用 .sixsys.version

---

在 的情况下，这里的所有解决方案都很好，包括列表推导和 。obj = [[1, 2,], [3, 4], [5, 6]]itertools.chain.from_iterable

但是，请考虑以下稍微复杂的情况：

>>> obj = [[1, 2, 3], [4, 5], 6, 'abc', [7], [8, [9, 10]]]

这里有几个问题：

• 一个元素 ，只是一个标量;它是不可迭代的，所以上面的路由在这里会失败。6
• 一个元素 ， 在技术上是可迭代的（所有元素都是可迭代的）。然而，在字里行间阅读一下，你不想这样对待它——你想把它当作一个单一的元素。'abc'str
• 最后一个元素本身就是一个嵌套的可迭代对象。基本列表理解，仅提取“1 级”。[8, [9, 10]]chain.from_iterable

您可以按如下方式解决此问题：

>>> from collections import Iterable
>>> from six import string_types

>>> def flatten(obj):
...     for i in obj:
...         if isinstance(i, Iterable) and not isinstance(i, string_types):
...             yield from flatten(i)
...         else:
...             yield i


>>> list(flatten(obj))
[1, 2, 3, 4, 5, 6, 'abc', 7, 8, 9, 10]

在这里，您检查子元素 （1） 是否可使用 Iterable（来自 的 ABC）进行迭代，但也要确保 （2） 该元素不是“类字符串”。itertools

这可能不是最有效的方法，但我想放一个单行（实际上是两行）。这两个版本都可以在任意层次结构嵌套列表上工作，并利用语言功能（Python 3.5）和递归。

def make_list_flat (l):
    flist = []
    flist.extend ([l]) if (type (l) is not list) else [flist.extend (make_list_flat (e)) for e in l]
    return flist

a = [[1, 2], [[[[3, 4, 5], 6]]], 7, [8, [9, [10, 11], 12, [13, 14, [15, [[16, 17], 18]]]]]]
flist = make_list_flat(a)
print (flist)

输出为

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18]

这首先以深度的方式工作。递归向下，直到找到一个非列表元素，然后扩展局部变量，然后将其回滚到父级。每当返回时，它都会扩展到列表推导式中的父项。因此，在根目录处，将返回一个简单列表。flistflistflist

上面的一个创建了几个本地列表并返回它们，这些列表用于扩展父级的列表。我认为解决这个问题的方法可能是创建一个全局，如下所示。flist

a = [[1, 2], [[[[3, 4, 5], 6]]], 7, [8, [9, [10, 11], 12, [13, 14, [15, [[16, 17], 18]]]]]]
flist = []
def make_list_flat (l):
    flist.extend ([l]) if (type (l) is not list) else [make_list_flat (e) for e in l]

make_list_flat(a)
print (flist)

输出再次

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18]

虽然我现在不确定效率。

您可以使用该方法。它显示是最快的：listextend

flat_list = []
for sublist in l:
    flat_list.extend(sublist)

性能：

import functools
import itertools
import numpy
import operator
import perfplot


def functools_reduce_iconcat(a):
    return functools.reduce(operator.iconcat, a, [])


def itertools_chain(a):
    return list(itertools.chain.from_iterable(a))


def numpy_flat(a):
    return list(numpy.array(a).flat)


def extend(a):
    n = []

    list(map(n.extend, a))

    return n


perfplot.show(
    setup = lambda n: [list(range(10))] * n,
    kernels = [
        functools_reduce_iconcat, extend, itertools_chain, numpy_flat
        ],
    n_range = [2**k for k in range(16)],
    xlabel = 'num lists',
    )

输出：

有几个答案使用与下面相同的递归追加方案，但没有一个使用 ，这使得解决方案更加健壮和 Pythonic。try

def flatten(itr):
    for x in itr:
        try:
            yield from flatten(x)
        except TypeError:
            yield x

用法：这是一个生成器，你通常希望将其包含在可迭代的构建器中，例如 OR，或者在循环中使用它。list()tuple()for

该解决方案的优点是：

• 适用于任何类型的可迭代（甚至是未来的可迭代！
• 适用于任何组合和深度的嵌套
• 如果顶层包含裸项，也有效
• 无依赖关系
• 快速高效（您可以部分展平嵌套的可迭代对象，而不会在不需要的剩余部分上浪费时间）
• 通用（你可以用它来构建你选择的迭代对象或循环中）

注意：由于所有可迭代对象都是扁平化的，因此字符串被分解为单个字符的序列。如果你不喜欢/不想这样的行为，你可以使用以下版本，它从扁平化可迭代对象（如字符串和字节）中过滤出来：

def flatten(itr):
    if type(itr) in (str,bytes):
        yield itr
    else:
        for x in itr:
            try:
                yield from flatten(x)
            except TypeError:
                yield x

我想要一个可以处理多个嵌套的解决方案（例如），但也不是递归的（我有一个很大的递归级别，我得到了一个递归错误。[[1], [[[2]], [3]]], [1, 2, 3]

这是我想出的：

def _flatten(l) -> Iterator[Any]:
    stack = l.copy()
    while stack:
        item = stack.pop()
        if isinstance(item, list):
            stack.extend(item)
        else:
            yield item


def flatten(l) -> Iterator[Any]:
    return reversed(list(_flatten(l)))

和测试：

@pytest.mark.parametrize('input_list, expected_output', [
    ([1, 2, 3], [1, 2, 3]),
    ([[1], 2, 3], [1, 2, 3]),
    ([[1], [2], 3], [1, 2, 3]),
    ([[1], [2], [3]], [1, 2, 3]),
    ([[1], [[2]], [3]], [1, 2, 3]),
    ([[1], [[[2]], [3]]], [1, 2, 3]),
])
def test_flatten(input_list, expected_output):
    assert list(flatten(input_list)) == expected_output

一个非递归函数，用于展平任何深度的列表列表：

def flatten_list(list1):
    out = []
    inside = list1
    while inside:
        x = inside.pop(0)
        if isinstance(x, list):
            inside[0:0] = x
        else:
            out.append(x)
    return out

l = [[[1,2],3,[4,[[5,6],7],[8]]],[9,10,11]]
flatten_list(l)
# [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

根据您的列表，即 1 个列表级别，我们可以简单地使用而无需使用任何库[[1, 2, 3], [4, 5, 6], [7], [8, 9]]sum(list,[])

sum([[1, 2, 3], [4, 5, 6], [7], [8, 9]],[])
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

当内部存在元组或数字时，扩展此方法的优点。只需将每个元素的映射函数添加到列表中即可map

#For only tuple
sum(list(map(list,[[1, 2, 3], (4, 5, 6), (7,), [8, 9]])),[])
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

#In general

def convert(x):
    if type(x) is int or type(x) is float:
           return [x]
    else:
           return list(x)

sum(list(map(convert,[[1, 2, 3], (4, 5, 6), 7, [8, 9]])),[])
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

在这里，对这种方法在内存方面的缺点进行了明确的解释。简而言之，它以递归方式创建列表对象，应避免:(

如果我想在前面的答案中添加一些东西，这是我的递归函数，它不仅可以展平嵌套列表，还可以展平任何给定的容器或任何可以抛出项目的对象。这也适用于任何深度的嵌套，它是一个惰性迭代器，可根据要求生成项目：flatten

def flatten(iterable):
    # These types won't considered a sequence or generally a container
    exclude = str, bytes

    for i in iterable:
        try:
            if isinstance(i, exclude):
                raise TypeError
            iter(i)
        except TypeError:
            yield i
        else:
            yield from flatten(i)

这样，您可以排除不想扁平化的类型，例如或其他类型。str

这个想法是，如果一个对象可以通过它准备好产生物品。因此，可迭代对象甚至可以将生成器表达式作为项。iter()

有人可能会争辩说：为什么当 OP 没有要求它时，你把这个写得那么通用？好的，你是对的。我只是觉得这可能会帮助某人（就像它对我自己所做的那样）。

测试用例：

lst1 = [1, {3}, (1, 6), [[3, 8]], [[[5]]], 9, ((((2,),),),)]
lst2 = ['3', B'A', [[[(i ** 2 for i in range(3))]]], range(3)]

print(list(flatten(lst1)))
print(list(flatten(lst2)))

输出：

[1, 3, 1, 6, 3, 8, 5, 9, 2]
['3', b'A', 0, 1, 4, 0, 1, 2]

不是单行，但看到这里的所有答案，我想这个长长的列表错过了一些模式匹配，所以这里是:)

这两种方法可能效率不高，但无论如何，它很容易阅读（至少对我来说是这样;也许我被函数式编程宠坏了）：

def flat(x):
    match x:
        case []:
            return []
        case [[*sublist], *r]:
            return [*sublist, *flat(r)]

第二个版本考虑了列表的列表列表...无论嵌套方式如何：

def flat(x):
    match x:
        case []:
            return []
        case [[*sublist], *r]:
            return [*flat(sublist), *flat(r)]
        case [h, *r]:
            return [h, *flat(r)]

考虑到列表只有整数：

import re
l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
list(map(int,re.sub('(\[|\])','',str(l)).split(',')))

def flatten_array(arr):
  result = []
  for item in arr:
    if isinstance(item, list):
      for num in item:
        result.append(num)
    else:
      result.append(item)
  return result

print(flatten_array([1, 2, [3, 4, 5], 6, [7, 8], 9]))
// output: [1, 2, 3, 4, 5, 6, 7, 8, 9]

我建议使用带有 yield 语句和 yield from 的生成器。 下面是一个示例：

from collections.abc import Iterable

def flatten(items, ignore_types=(bytes, str)):
    """
       Flatten all of the nested lists to the one. Ignoring flatting of iterable types str and bytes by default.
    """
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, ignore_types):
            yield from flatten(x)
        else:
            yield x

values = [7, [4, 3, 5, [7, 3], (3, 4), ('A', {'B', 'C'})]]

for v in flatten(values):
    print(v)

如果你想取消嵌套所有内容并保留一个不同的元素列表，你也可以使用它。

list_of_lists = [[1,2], [2,3], [3,4]]
list(set.union(*[set(s) for s in list_of_lists]))

对于包含多个列表的列表，这里有一个对我有用并且我希望是正确的递归解决方案：

# Question 4
def flatten(input_ls=[]) -> []:
    res_ls = []
    res_ls = flatten_recursive(input_ls, res_ls)

    print("Final flatten list solution is: \n", res_ls)

    return res_ls


def flatten_recursive(input_ls=[], res_ls=[]) -> []:
    tmp_ls = []

    for i in input_ls:
        if isinstance(i, int):
            res_ls.append(i)
        else:
            tmp_ls = i
            tmp_ls.append(flatten_recursive(i, res_ls))

    print(res_ls)
    return res_ls


flatten([0, 1, [2, 3], 4, [5, 6]])  # test
flatten([0, [[[1]]], [[2, 3], [4, [[5, 6]]]]])

输出：

[0, 1, 2, 3]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
Final flatten list solution is: 
 [0, 1, 2, 3, 4, 5, 6]
[0, 1]
[0, 1]
[0, 1]
[0, 1, 2, 3]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
Final flatten list solution is: 
 [0, 1, 2, 3, 4, 5, 6]

我创建了一个小函数，它基本上可以展平任何东西。 你可以用 pip 得到它： pip install flatten-everything

from flatten_everything import flatten_everything
withoutprotection=list(
    flatten_everything(
        [
            1,
            1,
            2,
            [3, 4, 5, [6, 3, [2, 5, ["sfs", "sdfsfdsf",]]]],
            1,
            3,
            34,
            [
                55,
                {"brand": "Ford", "model": "Mustang", "year": 1964, "yearxx": 2020},
                pd.DataFrame({"col1": [1, 2], "col2": [3, 4]}),
                {"col1": [1, 2], "col2": [3, 4]},
                55,
                {"k32", 34},
                np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]),
                (np.arange(22), np.eye(2, 2), 33),
            ],
        ]
    )
)
print(withoutprotection)
output:
[1, 1, 2, 3, 4, 5, 6, 3, 2, 5, 'sfs', 'sdfsfdsf', 1, 3, 34, 55, 'Ford', 'Mustang', 1964, 2020, 1, 2, 3, 4, 1, 2, 3, 4, 55, 34, 'k32', 1, 2, 3, 4, 5, 6, 7, 8, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 1.0, 0.0, 0.0, 1.0, 33]

您甚至可以保护对象不被展平：

from flatten_everything import ProtectedDict,ProtectedList,ProtectedTuple
withprotection=list(
    flatten_everything(
        [
            1,
            1,
            2,
            [3, 4, 5, [6, 3, [2, 5, ProtectedList(["sfs", "sdfsfdsf",])]]],
            1,
            3,
            34,
            [
                55,
                ProtectedDict({"brand": "Ford", "model": "Mustang", "year": 1964, "yearxx": 2020}),
                pd.DataFrame({"col1": [1, 2], "col2": [3, 4]}),
                {"col1": [1, 2], "col2": [3, 4]},
                55,
                {"k32", 34},
                np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]),
                ProtectedTuple((np.arange(22), np.eye(2, 2), 33)),
            ],
        ]
    )
)
print(withprotection)
output:
[1, 1, 2, 3, 4, 5, 6, 3, 2, 5, ['sfs', 'sdfsfdsf'], 1, 3, 34, 55, {'brand': 'Ford', 'model': 'Mustang', 'year': 1964, 'yearxx': 2020}, 1, 2, 3, 4, 1, 2, 3, 4, 55, 34, 'k32', 1, 2, 3, 4, 5, 6, 7, 8, (array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,17, 18, 19, 20, 21]), array([[1., 0.], [0., 1.]]), 33)]

如果你有一个 numpy 数组：a

a = np.array([[1,2], [3,4]])
a.flatten('C')

生产：

[1, 2, 3, 4]

np.flatten还接受其他参数：

• C:
• F
• A
• K

有关参数的更多详细信息，请参阅此处。

我喜欢添加一个高性能的生成器解决方案，它可以增加任何深度的嵌套列表（或任何类型的可迭代列表），而不是（仅限 2D 列表）：

from itertools import chain

def flatten_deep_generator(iterable):
    iterator = iter(iterable)
    try:
        while 1: # StopIteration will break the loop
            item = next(iterator)
            # check if item contains sub-items
            if not hasattr(item,'__trunc__'):
                iterator = chain(iter(item), iterator)
            else:
                yield item
    except StopIteration:
        pass

根据您的需要，生成器比列表具有巨大的优势。例如，如果您想在之后添加功能。只有在构建完整生成器（包括过滤）之后，才应在最后实例化生成的列表，从而避免对项目进行多次迭代。filter()

备注：与其他建议的生成器解决方案配对，这是一个迭代解决方案，而不是递归解决方案，它避免了在深度嵌套可迭代对象的情况下出现 RecursionErrors。

这是我在其他答案中没有看到的方法。它支持任何级别的嵌套，迭代工作，无需库：

mylist = [[1,2,4,5],[[0,8,9],5,7],[3,11,[44,45,46],25]]

for i,_ in enumerate(mylist):          # indexes, including extended positions
    while isinstance(mylist[i],list):  # drill down/extend current position
        mylist[i:i+1] = mylist[i]      # as long as item is a list

print(mylist)
[1, 2, 4, 5, 0, 8, 9, 5, 7, 3, 11, 44, 45, 46, 25]