如果你 做 要使用numpy:

b = np.array(a)[:, 0, :]

这比理解要快。

好。。。我当然认为会是

a = np.random.random((100_000, 1, 2)).tolist()

%timeit np.array([x[0] for x in a])
41.1 ms ± 304 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit np.array(a)[:, 0, :]
57.6 ms ± 1.27 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit x = np.array(a); x.shape = len(a), 2
58.2 ms ± 381 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

编辑

哦,如果它是一个麻木的数组,那么一定要使用这个方法。或使用 .squeeze() 如果你确定它不是空的。

下面是另一个使用列表理解的解决方案:

b = [x[0] for x in a]

如果您以后要使用numpy,那么最好避免列表理解。同样,最好的做法是尽可能地实现自动化,因此,不要手动选择singleton维度,而是让numpy负责: b=numpy.array(a).squeeze() 除非有其他单体维度需要保留。

为了在调用它们时扁平化“类似嵌套的二维数组”,只需要获取第一个元素。 arr[0]

以多种方式应用此概念:

• 列表理解(最有效): flatter_a_compr = [e[0] for e in a]

• 迭代(第二最佳性能):

  b =[]
  for e in a:
      b.append(e[0])
  

• lambda(非蟒蛇): flatter_a = list(map(lambda e : e[0], a))

• 麻木(表现最差): flatter_a_numpy = np.array(a)[:, 0, :]