我正在尝试制作一个将带有诸如以下列表的函数：
l = [["A", 1, 2, 3, 4, 5],
["A", "A", 2, 3, 4, 5],
[1, 2, 3, 4, 5, 5],
["A", "A", "A", "A", "A", "A"],
["A", 3, "A", 4, "A", "A"],
[1, 3, 5, "A", 5, "A"]
]
和一个键，例如“ A”。并将根据每个2x2单元格中KEY在2D列表中出现的次数给出一个包含int的列表。例如一个功能
def count_in_grids(l, key):
将返回
[3, 0, 0, 2, 2, 2, 1, 2, 3]
到目前为止，我编写的代码确实很糟糕。我通常在处理2D列表时遇到麻烦。由于这实际上是一项任务，因此我不允许使用任何库。如果有人可以帮助我理解和撰写本文章，我将深表感谢。
到目前为止，我编写的糟糕代码：
def countInGrids(l, thing):
new_list = [] # created a final list that will be returned
count = 0
for line in range(0, len(l), 2): # Access lines
for el in range(0, line, 2): # Access elements
#count + count() of all elements in line[el] to line[el+1],
move 2 lines down and repeat.
count += line[line[el]:line[el]+1].count(thing)
count += line+1[line[el]:line[el]+1].count(thing)
new_list.append(count)
print(new_list)
return new_list
输出：
第63行，在countInGrids中
计数+ = line [line [el]：line [el] +1] .count（事物）
TypeError：“ int”对象不可下标
附注：如果有人想知道，这是我第一学期的CS实验室
最佳答案
这可能有点笨拙，但是列表理解始终是一种选择。
def countInGrid(grid, key):
return [sum([v[i:i+2].count(key) for v in grid[j:j+2]])
for j in range(0, len(grid), 2) for i in range(0, len(grid[0]), 2)]
通过此过程，
[v[i:i+2] for v in grid[j:j+2]用于创建2x2网格。如果您要对列表的整个列表执行很多次，这不是一个超级高效的操作，但是写起来很快。要计算键，它首先用
.count(key)计数每一行，然后使用sum()将其加到2x2网格中的2行的每一行中。最后一行是您如何选择要查看的2x2网格。它指定了您将在哪里开始和在哪里结束。如果不想迭代列然后遍历行，则
i和j的顺序很重要。列表理解基本上将以下所有小组件打包为更严格的语法。
def count_row(v, key):
return v.count(key)
def count_grid(grid, key):
return sum(count_row(v, key) for v in grid)
def get_nxn(grid, i, j, n=2):
return [v[i:i+n] for v in grid[j:j+n]]
def iter_block_row(grid, j):
for i in range(0, len(grid[0]), 2):
yield get_nxn(grid, i, j)
def iter_grid(grid):
for j in range(0, len(grid), 2):
# In Python 3.3+, use
# yield from iter_block_row(grid, j)
for g in iter_block_row(grid, j):
yield g
def count_in_grid(grid, key):
return [count_grid(g, key) for g in iter_grid(grid)]
将大问题看作是由小部分组成，这有助于使他们在任何经验下都可以管理。看到您不需要任何多余的语法糖和语言技巧，也可以以干净的方式完成相同的目标，这也很有帮助。
请注意，
get_nxn()中的切片效率极低。这是分解问题的一种方法（并且我认为是从概念上考虑的最简单方法），但这并不是最有效的方法。更新我对
get_nxn()低效率是错误的。看起来Python中的列表切片不会复制数据，甚至可以追溯到Python 2.7+。 get_nxn()操作相对于grid的大小以恒定时间运行，这是一个快速的恒定时间。