问题描述
有具有类似类型/任务的列表推导式的代码片段。理解公式中的每个迭代都是 numpy.array [(),(),()] 形状。是否有更多的“pythonic”，而不是如此重复的编写方式？
conv_zcr = [bytes(x) for x in zcr]
conv_stft = [bytes(x) for x in stft]
conv_spectral_centroid = [bytes(x) for x in spectral_centroid]
解决方法
好吧，如果他们有相同的 len，我想您可以尝试将其压缩在一起：
conv_zcr,conv_stft,conv_spectral_centroid = [
(bytes(x),bytes(y),bytes(z))
for x,y,z in zip(zcr,stft,spectral_centroid)
]
如果混合输出不是问题，您可能可以chain：
out = [bytes(x) for x in itertools.chain(zcr,spectral_centroid)]
您可能可以将它们映射到您喜欢的位置：
out = [map(bytes,ar) for ar in [zcr,spectral_centroid]]
我想你可以使用 map(...)。但我不认为它特别像 Pythonic。
conv_zcr = map(bytes,zcr)
conv_stft = map(bytes,stft)
conv_spectral_centroid = map(bytes,spectral_centroid)
如果您不想要延迟加载地图对象，请像这样 list() 投射到 list(map(bytes,zcr))。
你可以这样做
def byteify_lists(*lists):
return [[bytest(x) for x in lst] for lst in lists]
conv_zcr,conv_spectral_centroid = byteifly_lists(zcr,spectral_centroid)
或者在单个列表理解中
conv_zcr,conv_spectral_centroid = [[bytes(x) for x in lst]
for lst in
[zcr,spetral_centroid]]
但老实说，你拥有它的方式很好。
,不清楚您希望从三个列表中选择哪个方向。但是，一般来说，如果您希望一组对象经历相同的一组步骤，那么处理该数据的最简单方法通常是将该数据放在一个列表中。例如，
lists = [zcr,spectral_centroid]
然后，如果我们想将 bytes() 应用于每个列表中的每个条目，我们可以通过多种方式实现：
conv_lists = [[bytes(i) for i in l] for l in lists]
conv_lists = [list(map(bytes,l)) for l in lists]
如果您希望元素以另一种方式定向，那么您可能需要 zip() 函数：
conv_lists = [list(map(bytes,l)) for l in zip(*lists)]
如果你想把结果放在 np.array() 中，那么把它包装在 np.array() 中：
import numpy as np
conv_lists = np.array([list(map(bytes,l)) for l in zip(*lists)])