函数返回值改列表的两种方法
2026-04-15 10:19:08
0浏览
收藏
本文深入解析了如何将Python函数的返回值从元组(如(['Tina'], 10.19))精准、优雅地重构为扁平列表(如['Tina', 10.19]),不仅通过简单使用list()或直接返回方括号字面量实现格式转换,更聚焦真实业务场景——在多人竞速数据中准确提取首位最快者姓名与四舍五入后的平均时间,同时强化空数据防御、边界兜底和语义一致性,让代码既简洁健壮又严格契合需求,是Python函数设计中“小改动、大提升”的典范实践。
本文讲解如何修改 Python 函数的返回结构,将原本返回的元组(如 `(['Tina'], 10.19)`)优雅地调整为指定列表格式(如 `['Tina', 10.19]`),同时兼顾单人最优与多人并列场景的健壮性处理。
在实际开发中,函数的返回格式直接影响下游调用的简洁性与可维护性。原代码中 the_fastest() 函数返回的是一个元组:(list_of_names, float_time),而需求明确要求输出形如 ['Tina', 10.19] 的扁平列表——即仅包含一个姓名(首位最快者)和其四舍五入到两位小数的平均时间。
要实现这一目标,关键在于两点:
- 统一返回结构:不再分别返回姓名列表与数值,而是构造并返回一个长度为 2 的列表;
- 语义清晰化:若仅需“第一位最快者”(非全部并列者),则 fastest_person 应为字符串而非列表,避免冗余嵌套。
以下是优化后的完整实现:
def the_fastest(times):
fastest_person = None
quickest_time = float('inf')
for person_data in times:
person_name = person_data[0]
person_times = person_data[1:]
if not person_times: # 防御性检查:空成绩列表
continue
avg_time = sum(person_times) / len(person_times)
if avg_time < quickest_time:
quickest_time = avg_time
fastest_person = person_name # 直接赋值字符串,非列表
# 注意:此处省略 elif avg_time == quickest_time 分支,
# 因需求只要求单人格式 ['name', time],不保留并列者
if fastest_person is None:
return ["N/A", 0.0] # 边界情况兜底
return [fastest_person, round(quickest_time, 2)]
# 测试数据
times = [
['Jason', 11, 11, 11.2, 10.9],
['Wally', 11, 11.5],
['Sheri', 12, 25],
['Jimmy', 10.1, 10.8, 12.1],
['Tina', 10.15, 10.223, 10.185, 10.22],
['Carmen', 12.15, 12.2, 12.18, 12.33]
]
print(the_fastest(times)) # 输出:['Tina', 10.19]✅ 核心改进说明:
- 将 return fastest_person, round(quickest_time, 2) 替换为 return [fastest_person, round(quickest_time, 2)],直接生成目标列表;
- 移除对并列情况的累积逻辑(如 fastest_person.append(...)),使语义与需求严格对齐;
- 增加空成绩防御(if not person_times)和无有效数据兜底("N/A"),提升鲁棒性。
⚠️ 注意事项:
- 若后续需求扩展为「返回所有并列最快者」,应恢复 fastest_person 为列表,并在最后返回 [fastest_person, time](此时首元素是姓名列表,整体仍为二元列表,但结构变为 [['Tina', 'Jimmy'], 10.19]);
- round(..., 2) 仅控制显示精度,不改变浮点数本质;如需金融级精确计算,建议使用 decimal.Decimal;
- 函数命名 the_fastest 暗示唯一结果,因此默认返回首个最优者符合直觉,无需额外文档说明。
通过这一微调,函数既满足格式要求,又保持逻辑清晰、边界安全,体现了 Python 中“显式优于隐式”的设计哲学。
理论要掌握,实操不能落!以上关于《函数返回值改列表的两种方法》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
Python去重技巧:pandas高效处理重复数据
- 上一篇
- Python去重技巧:pandas高效处理重复数据
- 下一篇
- 大学生就业平台查档案地点操作步骤
查看更多
最新文章
-
- 文章 · python教程 | 21小时前 | Python教程 · Python 鸭子类型 typing.Protocol 结构子类型
- Python typing.Protocol 约束鸭子类型接口
- 246浏览 收藏
-
- 文章 · python教程 | 1天前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 2天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 264次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 316次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 300次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 273次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 93次使用
查看更多
相关文章
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
