盘点一个列表处理基础问题(四种方法)，最后两种最惊艳！

Python进阶者

发布于 2022-06-05 09:24:38

1500

发布于 2022-06-05 09:24:38

文章被收录于专栏：Python爬虫与数据挖掘

渡远荆门外，来从楚国游。

大家好，我是Python进阶者。

一、前言

昨天在Python最强王者群有个叫【老松鼠】的粉丝问了一道关于列表处理的问题，如下图所示。

原文本如下所示：

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

把这个列表分拆成两个单独的列表。

二、实现过程

这里一共四个方法，欢迎继续尝试！

方法一

这里我自己给了一个常规思路解法，将列表强行拆解为两个列表。

# coding:utf-8

# @Time : 2022/5/6 11:46
# @Author: 皮皮
# @公众号: Python共享之家
# @website : http://pdcfighting.com/
# @File : 字符串.py
# @Software: PyCharm
letter_list = []
num_list = []
list1 = [('a', 1), ('a', 2), ('a', 3), ('b', 1), ('b', 2), ('b', 3), ('c', 1), ('c', 2), ('c', 3)]
for i in list1:
    letter_list.append(i[0])
    num_list.append(i[1])
print(letter_list)
print(num_list)

这个代码亲测好使，运行之后结果如下。

方法二

这里【月神】给了一份代码，使用解包的方式进行实现：

list1 = [('a', 1), ('a', 2), ('a', 3), ('b', 1), ('b', 2), ('b', 3), ('c', 1), ('c', 2), ('c', 3)]

list_result = tuple(zip(*list1))
letter_list = list(list_result[0])
num_list = list(list_result[1])
print(letter_list)
print(num_list)

代码运行之后，结果如下图所示：

当然解包也可以写成比较简洁的形式，如下所示：

letter_list, num_list = zip(*list1)
print(letter_list)
print(num_list)

同样可以得到结果，如下图所示：

方法三

这里【瑜亮老师】给了一份代码，使用pandas进行实现，有些杀猪用牛刀的感觉了。

import pandas as pd
list1 = [('a', 1), ('a', 2), ('a', 3), ('b', 1), ('b', 2), ('b', 3), ('c', 1), ('c', 2), ('c', 3)]
df = pd.DataFrame(list1)
print(df[0].tolist())
print(df[1].tolist())

但是确实可行，运行结果如下图所示：

方法四

这里【月神】又给了一份代码，使用numpy进行实现，也有些杀猪用牛刀的感觉了。

import numpy as np
list1 = [('a', 1), ('a', 2), ('a', 3), ('b', 1), ('b', 2), ('b', 3), ('c', 1), ('c', 2), ('c', 3)]
letter_list, num_list = np.array(list1).T.tolist()
print(letter_list)
print(num_list)

结果如下图所示：

三、总结

大家好，我是Python进阶者。这篇文章主要盘点一个列表处理基础问题，文中给出了四个方法，思路基本上都是一致的，如果你还有其他方法，也欢迎大家积极尝试，一起学习，记得分享给我哦。

最后感谢粉丝【老松鼠】提问，感谢【dcpeng】、【月神】、【瑜亮老师】在运行过程中给出的思路和代码，感谢粉丝【冷喵】、【Chloe】等人参与学习交流。

小伙伴们，快快用实践一下吧！

------------------- End -------------------

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-05-07，如有侵权请联系 cloudcommunity@tencent.com 删除

python

本文分享自 Python爬虫与数据挖掘微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

python

登录后参与评论

0 条评论

热度