Cách tốt nhất để tách từng phần tử chuỗi thứ n và hợp nhất thành mảng?

Question

Xin lỗi vì tiêu đề mơ hồ, nhưng thật khó để giải thích ngắn gọn.

Về cơ bản, hãy tưởng tượng tôi có một danh sách (bằng Python) trông như thế này:

['a', 'b', 'c\nd', 'e', 'f\ng', 'h', 'i'] 

Từ đó, tôi muốn có được điều này:

['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i'] 

Một cách tôi đã nghĩ đến việc làm điều này đã được sử dụng reduce như vậy:

reduce(lambda x, y: x + y.split('\n'), lst, []) 

Nhưng tôi không nghĩ điều này rất hiệu quả, vì nó không tận dụng lợi thế của thực tế là chúng ta biết mọi phần tử thứ n có dấu phân tách trong nó. Bất kỳ đề xuất?

Chỉnh sửa: để biết thêm thông tin về cách mảng được xây dựng, điều này có thể gây ra sự cố.

Tôi có văn bản dưới hình thức:

Ignorable line 
Field name 1|Field name 2|Field name 3|Field name 4 
Value 1|Value 2|Value 3|Value 4 
Value 1|Value 2|Value 3|Value 4 
... 

đâu chúng ta có thể có một số lượng tùy ý các tên trường, và sẽ luôn luôn là một số lượng tương đương giá trị như tên trường trên đường dây. Lưu ý rằng chúng ta có thể có các dòng mới trong các giá trị. Chúng tôi chỉ biết rằng sẽ được phân tách bằng dấu '|'. Vì vậy, chúng ta có thể có

Value 1|This is an long 
value that extends over multiple 
lines|Value 3|Value 4 

Làm thế nào tôi hiện đang làm điều này là bằng cách làm một s.split('\n', 2) để chúng tôi có được tên trường trong chuỗi riêng của họ, và các giá trị trong chuỗi riêng của họ. Sau đó, khi tách các giá trị bằng '|', chúng ta sẽ nhận được danh sách biểu mẫu mà tôi đã đề cập ban đầu.

Answer 1

Bạn chỉ có thể thực hiện ('\n'.join(lst)).split() để nhận danh sách thứ 2.

In [17]: 

%timeit reduce(lambda x, y: x + y.split('\n'), lst, []) 
100000 loops, best of 3: 9.64 µs per loop 
In [18]: 

%timeit ('\n'.join(lst)).split() 
1000000 loops, best of 3: 1.09 µs per loop 

Nhờ @Joran Beasley đề xuất split() qua split('\n')!

Sửa

Bây giờ tôi thấy câu hỏi cập nhật của bạn, tôi nghĩ rằng chúng ta có thể tránh đi vào một tình huống như vậy trong đầu, nhìn thấy (sử dụng re):

In [71]: 

L=re.findall('([^|]+)\|', 
      ''.join(['|'+item+'|' if item.count('|')==3 else item for item in S.split('\n')[1:]])+'|') 
In [72]: 

zip(*[L[i::4] for i in range(4)]) #4 being the number of fields. 
Out[72]: 
[('Field name 1', 'Field name 2', 'Field name 3', 'Field name 4'), 
('Value 1', 'Value 2', 'Value 3', 'Value 4'), 
('Value 1', 
    'This is an longvalue that extends over multiplelines', 
    'Value 3', 
    'Value 4')] 

Trông giống như một bộ dữ liệu cho SAS ban đầu Tôi có đúng không?

Answer 2

sớm tối ưu hóa là gốc rễ của mọi tội lỗi

nếu bạn đang thực sự gặp vấn đề về hiệu suất vì mã này thats một chuyện, nhưng tôi nghi ngờ bạn đang có.

khi bạn tối ưu hóa bạn thường phải hy sinh khả năng đọc những gì tôi sẽ làm gì nếu nó là tôi

list(itertools.chain(*[item.split() for item in lst])) 

mà là rất rõ ràng những gì bạn làm