ZH奶酪：Python中zip函数的使用方法

baidus

　　定义：zip([iterable, …])
zip()是Python的一个内建函数，它接受一系列可迭代的对象作为参数，将对象中对应的元素打包成一个个tuple（元组），然后返回由这些
tuples组成的list（列表）。若传入参数的长度不等，则返回list的长度和参数中长度最短的对象相同。利用*号操作符，可以将list
unzip（解压），看下面的例子就明白了：



>>> a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b)
[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c)
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped)
[(1, 2, 3), (4, 5, 6)]
　　（1）二维矩阵转置
　　比如我们有一个由列表描述的二维矩阵
a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
通过python列表推导的方法，我们也能轻易完成这个任务
　　（从下边的代码也可以看出这种one-line for-loop的index顺序从左向右依次是维数）



print [ [row[col] for row in a] for col in range(len(a[0]))]
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]
　　另外一种方法就是利用zip函数：



>>> a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> zip(*a)
[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
>>> map(list,zip(*a))
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]
　　这种方法速度更快但也更难以理解
　　zip(*a)：将list看成tuple解压，恰好得到我们“行列互换”的效果；
　　map(list,zip(*a))：再通过对每个元素应用list()函数，将tuple转换为list；
　　zip函数接受任意多个序列作为参数，将所有序列按相同的索引组合成一个元素是各个序列合并成的tuple的新序列，新的序列的长度以参数中最短的序列为准。另外(*)操作符与zip函数配合可以实现与zip相反的功能，即将合并的序列拆成多个tuple。
　　①tuple的新序列



>>>x=[1,2,3],y=['a','b','c']
>>>zip(x,y)
[(1,'a'),(2,'b'),(3,'c')]
　　②新的序列的长度以参数中最短的序列为准.



>>>x=[1,2],y=['a','b','c']
>>>zip(x,y)
[(1,'a'),(2,'b')]
　　③(*)操作符与zip函数配合可以实现与zip相反的功能,即将合并的序列拆成多个tuple。



>>>x=[1,2,3],y=['a','b','c']
>>>zip(*zip(x,y))
[(1,2,3),('a','b','c')]
　　（2）以指定概率获取元素



>>> import random
>>> def random_pick(seq,probabilities):
x = random.uniform(0, 1)
cumulative_probability = 0.0
for item, item_probability in zip(seq, probabilities):
cumulative_probability += item_probability
if x < cumulative_probability: break
return item
>>> for i in range(15):
random_pick("abc",[0.1,0.3,0.6])
'c'
'b'
'c'
'c'
'a'
'b'
'c'
'c'
'c'
'a'
'b'
'b'
'c'
'a'
'c'
　　这个函数有个限制，指定概率的列表必须和元素一一对应，而且和为1，否则这个函数可能不能像预想的那样工作。

　　先利用random.uniform()函数生成一个0-1之间的随机数并复制给x；
　　利用zip()函数将元素和他对应的概率打包成tuple；
　　然后将每个元素的概率进行叠加，直到和大于x终止循环；
　　这样，”a”被选中的概率就是x取值位于0-0.1的概率，同理”b”为0.1-0.4，”c”为0.4-1.0，假设x是在0-1之间平均取值的，显然我们的目的已经达到
　　References：
　　[1]http://www.lfyzjck.com/python-zip/
　　[2]http://blog.sina.com.cn/s/blog_7ae1b8300100x05p.html