Вообще-то всё вышеперечисленное тоже не рекомендуется для таких целей.
Это где такие рекомендации?
`itertools.chain.from_iterable` все же отличное решение для такой задачи, при условии что у нас список с глубиною = 2.
Numpy обычно не на каждом проекте есть, и устанавливать её только ради этой задачи не всегда целесообразно.
Numpy.array.flatten() в несколько раз быстрее будет.
Это правда только если у нас уже есть `Numpy.array`, а вот если у нас изначально обычный python список, то сначала нужно будет создать из него `Numpy.array` и только потом применить метод .flatten(), что в итоге будет в 10 раз медленнее чем при помощи itertools.
Скриншот измерений
Скриншот измерений на большом списке
Тут уже хорошо видно выигрыш от использования Numpy, но опять же, только если мы будем использовать ещё какие-то другие возможности данной библиотеки.
Не хочу вас расстраивать, но sum(a, []) имеет квадратическую сложность(O(n^2)) и потому совсем не рекомендуется к использованию для таких целей.
Как автор уже сказал статья про «принципы применения выражений-генераторов», я свой пример попросил добавить так как он самый эффективный, и было бы полезно его упомянуть.
P.S. DaneSoul, этот пример лучше убрать из статьи.
В первоначальном варианте вы делаете две лишних операции, сначала создаёте список, а потом распаковываете его. Поэтому предложеный вариант является ещё и более рациональным вариантом.
А вот если бы у вас был список списков, скажем, нам нужно развернуть матрицу в список, тогда рационально будет использовать `itertools.chain.from_iterable`:
Мы долго подбирали настройки акселерометра для комфортной игры, но наш тестер постоянно отмечал, что что-то не так.
Установил вашу игру и ещё одну из google play. Покатал и там и там по 5 минут, и честно говоря у вас движение шарика показалось очень нереалистичным и заторможенным. Даже если наклонить телефон на 90 градусов, шарик движется очень медлено. Я так же нашел у себя металический шарик и ровную деревянную поверхность и тоже покатал там шарик 5 минут, и ещё раз убедился что в вашей игре шарик двигается не реалистично. Попробуйте может ещё поработать с настройками акселерометра и физики? Хотя если поменять физику, пользователям, которые уже привыкли к текущей физике, может это тоже не понравится.
На самом деле это не так. Очень часто библиотеки типа angular или react используют что бы реализовать лишь часть функционала на страничке. И это тоже очень удобно. Иногда это может быть даже несколько отдельных angular приложений на одной страничке. У каждого своя специфика применения.
Да, не могу отрицать долю везения в моём успехе. Вакансий дейстивильно единицы для джунов, и уже тем более для trainee. На тот момент когда я начал проходить тестовое, я писал сервис по мониторингу аптайма сайтов на bottle. Простейший, можно было добавить сайты и удалять в мониторинг, и смотреть статистику. Хотя не думаю что на него сильно смотрели при рассмотрении моего резюме. Ну и тестовое, что бы его сдать три недели у меня не было отдыха) Я приходил с работы и делал тестовое, делал его на выходных и несколько раз вообще не спал, просо вставал из-за компа и шел на работу) Поэтому не знаю конечно что бы меня ждало не будь этой вакансии, но я действительно старался что бы получить свою первую работу.
Согласен с вами. Ну я до того как начал искать работу и приступить к тому тестовому заданию изучал питон 7 месяцев, вечером после работы или на выходных. Поэтому с питоном я знаком полтора года, ну а профессиональной веб разработкой django(+ иногда на фронте react.js) занимаюсь 10 месяцев. И мидом я себя ещё точно не считаю. С задачами разного уровня сложности вроде норм справляюсь, но все таки 10 месяцев опыта это не много.
Не соглашусь с вами. Я начал искать работу когда был ещё совсем trainee. Но попал в хорошие руки) Удалённо. Меня не стали валить вопросами по скайпу. А дали нормальные тестовые задания, и выделили ментора. Я успешно прошел тестовое, не без помощи ментора, за 3 недели. И вот работаю там уже 10-ый месяц. И при помощи код ревью из меня и ещё одного коллеги которого взяли в то же время воспитали вполне нормальных программистов на django. Не знаю какой я сейчас уровень но все скиллы которые перечислены в статье я знаю.
Я вот тоже как-то болел вопросом где хранить заметки. Думал что буду писать на django своё что-то. Но сейчас вроде определился. Для разной инфы и записей юзаю Evernote. Для ведения проектов trello, для to do google keep, ну и для сниппетов кода и инструкций github gists. В принципе, вполне удобно. Разнобразие сервисов не мешает. Каждый для своего очень хорошо сделан. На этом я и остановился. Свой велосипед на джанго я думаю не смог сделать столь удобным для всех этих вариантов использования.
Сам использую Яндекс.Диск как основное облако на 1ТБ. Но, к большому сожалению, у них нет нормального, полнофункционального приложения под linux. И к моему удивлению у Mail.ru Cloud такой нашелся! Отличный клиент под линукс, со скриншотами и нормальным редактором. Может кому будет полезно.
`itertools.chain.from_iterable` все же отличное решение для такой задачи, при условии что у нас список с глубиною = 2.
Numpy обычно не на каждом проекте есть, и устанавливать её только ради этой задачи не всегда целесообразно.
Это правда только если у нас уже есть `Numpy.array`, а вот если у нас изначально обычный python список, то сначала нужно будет создать из него `Numpy.array` и только потом применить метод .flatten(), что в итоге будет в 10 раз медленнее чем при помощи itertools.
Тут уже хорошо видно выигрыш от использования Numpy, но опять же, только если мы будем использовать ещё какие-то другие возможности данной библиотеки.
Как автор уже сказал статья про «принципы применения выражений-генераторов», я свой пример попросил добавить так как он самый эффективный, и было бы полезно его упомянуть.
P.S. DaneSoul, этот пример лучше убрать из статьи.
А вот если бы у вас был список списков, скажем, нам нужно развернуть матрицу в список, тогда рационально будет использовать `itertools.chain.from_iterable`:
Может вы хотели сказать наоборот?