python的zip函數妙用（zip的用法python）

本文目錄一覽：

• 1、python 當中的zip( )函數到底是幹嘛的？
• 2、python zip函數
• 3、python zip函數的用法
• 4、python中zip函數有哪些高級用法
• 5、python zip 是什麼
• 6、Python 之內置函數：filter、map、reduce、zip、enumerate

python 當中的zip( )函數到底是幹嘛的？

這個可以理解為拉鏈，將兩個list拉到一起來，每個對應元素做一定操作後，合併成一個list.

比如：

zip([1,2,3],[‘a’,’b’,’c’])

結果是

[(1, ‘a’), (2, ‘b’), (3, ‘c’)]

python zip函數

zip()函數用於將可迭代的對象作為參考，將對象中對應的元素打包成一個個遠足，然後返回有這些元祖組成的列表。

zip（[iterabale,….]）

python zip函數的用法

定義：zip([iterable, …])

zip()是Python的一個內建函數，它接受一系列可迭代的對象作為參數，將對象中對應的元素打包成一個個tuple（元組），然後返回由這些 tuples組成的list（列表）。若傳入參數的長度不等，則返回list的長度和參數中長度最短的對象相同。利用*號操作符，可以將list unzip（解壓），看下面的例子就明白了：

1 2 3 4 5 6 7 8 9

a = [1,2,3] b = [4,5,6] c = [4,5,6,7,8] zipped = zip(a,b) [(1, 4), (2, 5), (3, 6)] zip(a,c) [(1, 4), (2, 5), (3, 6)] zip(*zipped) [(1, 2, 3), (4, 5, 6)]

對於這個並不是很常用函數，下面舉幾個例子說明它的用法：

* 二維矩陣變換（矩陣的行列互換）

比如我們有一個由列表描述的二維矩陣

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

通過python列表推導的方法，我們也能輕易完成這個任務

1 2

print [ [row[col] for row in a] for col in range(len(a[0]))] [[1, 4, 7], [2, 5, 8], [3, 6, 9]]

另外一種讓人困惑的方法就是利用zip函數：

1 2 3 4 5

a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] zip(*a) [(1, 4, 7), (2, 5, 8), (3, 6, 9)] map(list,zip(*a)) [[1, 4, 7], [2, 5, 8], [3, 6, 9]]

這種方法速度更快但也更難以理解，將list看成tuple解壓，恰好得到我們「行列互換」的效果，再通過對每個元素應用list()函數，將tuple轉換為list

* 以指定概率獲取元素

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

import random def random_pick(seq,probabilities): x = random.uniform(0, 1) cumulative_probability = 0.0 for item, item_probability in zip(seq, probabilities): cumulative_probability += item_probability if x cumulative_probability: break return item for i in range(15): random_pick(“abc”,[0.1,0.3,0.6]) ‘c’ ‘b’ ‘c’ ‘c’ ‘a’ ‘b’ ‘c’ ‘c’ ‘c’ ‘a’ ‘b’ ‘b’ ‘c’ ‘a’ ‘c’

這個函數有個限制，指定概率的列表必須和元素一一對應，而且和為1，否則這個函數可能不能像預想的那樣工作。

稍微解釋下，先利用random.uniform()函數生成一個0-1之間的隨機數並複製給x，利用zip()函數將元素和他對應的概率打包成tuple，然後將每個元素的概率進行疊加，直到和大於x終止循環

這樣，」a」被選中的概率就是x取值位於0-0.1的概率，同理」b」為0.1-0.4，」c」為0.4-1.0，假設x是在0-1之間平均取值的，顯然我們的目的已經達到

python中zip函數有哪些高級用法

zip()  功能是從參數的多個迭代器中選取元素組合成一個新的迭代器。顧名思義，它就是一個將對象進行打包和解包的函數。

它可以傳入的參數包括；元組、列表、字典等迭代器

它返回一個zip對象，其內部元素為元組，一組一組的，可以轉化為列表或元組，這裡要強調一下，Python2和Python3中返回的zip對象有所不同。

Python3中zip()函數再不再返回list對象，但是可以通過list強行轉換。（類似的函數變化還有dictionary關聯的keys()、values()、items()，map()，filter()）。

打包zip(iterables)

上面的代碼使用的環境是Python3.6，其中list (z)操作就是強制轉換。注意一個問題，a和b這兩個列表是不同長短的，這時候zip函數就會匹配完最短的那個便結束。

當zip函數的參數只有一個時，它將從iterable中依次取一個元素，組成一個元組。

解包zip(*iterables)

解包，zip 相反，可理解為解壓，返回多維矩陣形式，有幾個組元素就返回幾維的。

比如，下面我是用三個列表組合起來的迭代式，那麼解壓後就返回三維的矩陣

zip高級用法

講完了基本的再來說一下該函數的高級用法。高級用法離不開一個詞：Pythonic，就是將代碼寫的更優雅美觀，看起來有逼格！

1. 列表推導

例如：

a = [1,2,3,4]

b = [5,6,7,8]

我們要同時遍歷a、b，且要對它們進行操作，那就要放在同一個for循環內，zip函數正好合適

注意：如果是Python2環境中，要使用izip才能提高效率。

當然，如果你需要對下標進行操作，那麼還需要加上enumerate函數

2. 使用zip創建鍵值對，zip方法返回的是一個元組，用它來創建鍵值對，簡單明了。

python zip 是什麼

zip就是把2個數組糅在一起

x=[1, 2, 3, 4, 5 ]

y=[6, 7, 8, 9, 10]

zip(x, y)就得到了

[(1, 6), (2, 7), (3, 8), (4, 9), (5, 10)]

比如你有2組坐標，你想兩兩對應的相加，那麼zip函數就很有用了。

再比如，你有2個數組A,B，A存了班級里的人的名字，B是每個人的考試分數，你需要通過某個人的名字來查考試分數，那你需要一個字典，zip可以很方便地幫你建立字典：

x=[‘bob’,’tom’,’kitty’]

y=[80,90,95]

d=dict(zip(x,y))

[(‘bob’, 80), (‘tom’, 90), (‘kitty’, 95)]

d[‘bob’]

返回80，多方便啊

Python 之內置函數：filter、map、reduce、zip、enumerate

這幾個函數在 Python 裏面被稱為高階函數，本文主要學習它們的用法。

filter 函數原型如下：

第一個參數是判斷函數（返回結果需要是 True 或者 False），第二個為序列，該函數將對 iterable 序列依次執行 function(item) 操作，返回結果是過濾之後結果組成的序列。

簡單記憶：對序列中的元素進行篩選，獲取符合條件的序列。

返回結果為： ，使用 list 函數可以輸入序列內容。

map 函數原型如下：

該函數運行之後生成一個 list，第一個參數是函數、第二個參數是一個或多個序列；

下述代碼是一個簡單的測試案例：

上述代碼運行完畢，得到的結果是： 。使用 print(list(my_new_list)) 可以得到結果。

map 函數的第一個參數，可以有多個參數，當這種情況出現後，後面的第二個參數需要是多個序列。

map 函數解決的問題：

reduce 函數原型如下：

第一個參數是函數，第二個參數是序列，返回計算結果之後的值。該函數價值在於滾動計算應用於列表中的連續值。

測試代碼如下：

最終的結果是 6，如果設置第三個參數為 4，可以運行代碼查看結果，最後得到的結論是，第三個參數表示初始值，即累加操作初始的數值。

簡單記憶：對序列內所有元素進行累計操作。

zip 函數原型如下：

zip 函數將可迭代的對象作為參數，將對象中對應的元素打包成一個個元組，然後返回由這些元組組成的列表。

如果各個迭代器的元素個數不一樣，則返回列表長度與最短的對象相同，利用星號（ * ）操作符，可以將元組解壓為列表。

測試代碼如下：

展示如何利用 * 操作符：

輸出結果如下：

簡單記憶：zip 的功能是映射多個容器的相似索引，可以方便用於來構造字典。

enumerate 函數原型如下：

參數說明：

該函數用於將一個可遍歷的數據對象組合為一個索引序列，同時列出數據和數據下標，一般用在 for 循環當中。

測試代碼如下：

返回結果為： 。

本文涉及的函數可以與 lambda 表達式進行結合，能大幅度提高編碼效率。最好的學習資料永遠是官方手冊