Zastanawiam się, czy istnieje skrót do utworzenia prostej listy z listy list w Pythonie.

Mogę to zrobić w forpętli, ale może jest jakiś fajny „jednowarstwowy”? Próbowałem z reduce(), ale pojawia się błąd.

Kod

l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
reduce(lambda x, y: x.extend(y), l)

Komunikat o błędzie

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 1, in <lambda>
AttributeError: 'NoneType' object has no attribute 'extend'

Biorąc pod uwagę listę list l,

flat_list = [item for sublist in l for item in sublist]

co znaczy:

flat_list = []
for sublist in l:
    for item in sublist:
        flat_list.append(item)

jest szybszy niż dotychczas publikowane skróty. ( lto lista do spłaszczenia).

Oto odpowiednia funkcja:

flatten = lambda l: [item for sublist in l for item in sublist]

Jako dowód możesz użyć timeitmodułu ze standardowej biblioteki:

$ python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' '[item for sublist in l for item in sublist]'
10000 loops, best of 3: 143 usec per loop
$ python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'sum(l, [])'
1000 loops, best of 3: 969 usec per loop
$ python -mtimeit -s'l=[[1,2,3],[4,5,6], [7], [8,9]]*99' 'reduce(lambda x,y: x+y,l)'
1000 loops, best of 3: 1.1 msec per loop

Objaśnienie: skróty oparte na +(w tym dorozumiane użycie w sum) są z konieczności, O(L**2)gdy istnieją L listy podrzędne - ponieważ lista wyników pośrednich stale się wydłuża, z każdym krokiem przydzielany jest nowy obiekt listy wyników pośrednich i wszystkie elementy w poprzednim wyniku pośrednim należy skopiować (a także kilka nowych na końcu). Tak więc, dla uproszczenia i bez faktycznej utraty ogólności, powiedzmy, że masz L podlisty I elementów każdy: pierwsze I elementy są kopiowane tam iz powrotem L-1 razy, drugie I elementy L-2 i tak dalej; całkowita liczba kopii jest I razy suma x dla x od 1 do L wykluczone, tj I * (L**2)/2.

Zrozumienie listy generuje tylko jedną listę, raz i kopiuje każdy element (z pierwotnego miejsca zamieszkania do listy wyników) również dokładnie raz.

Możesz użyć itertools.chain():

import itertools
list2d = [[1,2,3], [4,5,6], [7], [8,9]]
merged = list(itertools.chain(*list2d))

Lub możesz użyć, itertools.chain.from_iterable()która nie wymaga rozpakowywania listy z *operatorem :

import itertools
list2d = [[1,2,3], [4,5,6], [7], [8,9]]
merged = list(itertools.chain.from_iterable(list2d))

Uwaga autora : Jest to nieefektywne. Ale zabawne, bo monoidy są niesamowite. Nie jest odpowiedni do produkcyjnego kodu Python.

>>> sum(l, [])
[1, 2, 3, 4, 5, 6, 7, 8, 9]

To po prostu sumuje elementy iterowalności przekazane w pierwszym argumencie, traktując drugi argument jako wartość początkową sumy (jeśli nie podano, 0zamiast tego zostanie użyty i ten przypadek da ci błąd).

Ponieważ sumujesz zagnieżdżone listy, tak naprawdę otrzymujesz [1,3]+[2,4]wynik sum([[1,3],[2,4]],[])równy [1,3,2,4].

Pamiętaj, że działa tylko na listach list. W przypadku list list list potrzebne będzie inne rozwiązanie.

Testowałem większość proponowanych rozwiązań za pomocą perfplot ( mojego projektu dla zwierząt domowych, zasadniczo opakowania timeit) i znalazłem

functools.reduce(operator.iconcat, a, [])

być najszybszym rozwiązaniem, zarówno w przypadku łączenia wielu małych list, jak i kilku długich list. ( operator.iaddjest równie szybki.)

Kod do odtworzenia fabuły:

import functools
import itertools
import numpy
import operator
import perfplot


def forfor(a):
    return [item for sublist in a for item in sublist]


def sum_brackets(a):
    return sum(a, [])


def functools_reduce(a):
    return functools.reduce(operator.concat, a)


def functools_reduce_iconcat(a):
    return functools.reduce(operator.iconcat, a, [])


def itertools_chain(a):
    return list(itertools.chain.from_iterable(a))


def numpy_flat(a):
    return list(numpy.array(a).flat)


def numpy_concatenate(a):
    return list(numpy.concatenate(a))


perfplot.show(
    setup=lambda n: [list(range(10))] * n,
    # setup=lambda n: [list(range(n))] * 10,
    kernels=[
        forfor,
        sum_brackets,
        functools_reduce,
        functools_reduce_iconcat,
        itertools_chain,
        numpy_flat,
        numpy_concatenate,
    ],
    n_range=[2 ** k for k in range(16)],
    xlabel="num lists (of length 10)",
    # xlabel="len lists (10 lists total)"
)

from functools import reduce #python 3

>>> l = [[1,2,3],[4,5,6], [7], [8,9]]
>>> reduce(lambda x,y: x+y,l)
[1, 2, 3, 4, 5, 6, 7, 8, 9]

extend()Metoda w Twojej przykład modyfikuje xzamiast wrócić użyteczną wartość (która reduce()oczekuje).

Szybszym sposobem byłoby zrobienie reducewersji

>>> import operator
>>> l = [[1,2,3],[4,5,6], [7], [8,9]]
>>> reduce(operator.concat, l)
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Nie wymyślaj ponownie koła, jeśli używasz Django :

>>> from django.contrib.admin.utils import flatten
>>> l = [[1,2,3], [4,5], [6]]
>>> flatten(l)
>>> [1, 2, 3, 4, 5, 6]

... Pandy :

>>> from pandas.core.common import flatten
>>> list(flatten(l))

... Itertools :

>>> import itertools
>>> flatten = itertools.chain.from_iterable
>>> list(flatten(l))

... Matplotlib

>>> from matplotlib.cbook import flatten
>>> list(flatten(l))

... Unipath :

>>> from unipath.path import flatten
>>> list(flatten(l))

... Narzędzia konfiguracji :

>>> from setuptools.namespaces import flatten
>>> list(flatten(l))

Oto ogólne podejście, które stosuje się do liczb , ciągów , zagnieżdżonych list i mieszanych kontenerów.

Kod

#from typing import Iterable 
from collections import Iterable                            # < py38


def flatten(items):
    """Yield items from any nested iterable; see Reference."""
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, (str, bytes)):
            for sub_x in flatten(x):
                yield sub_x
        else:
            yield x

Uwagi :

• W Pythonie 3 yield from flatten(x)można zamienićfor sub_x in flatten(x): yield sub_x
• W Pythonie 3.8, abstrakcyjne klasy bazowe są przeniesione ze collection.abcdo typingmodułu.

Próbny

lst = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
list(flatten(lst))                                         # nested lists
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

mixed = [[1, [2]], (3, 4, {5, 6}, 7), 8, "9"]              # numbers, strs, nested & mixed
list(flatten(mixed))
# [1, 2, 3, 4, 5, 6, 7, 8, '9']

Odniesienie

• To rozwiązanie zostało zmodyfikowane na podstawie przepisu w Beazley, D. i B. Jones. Przepis 4.14, Python Cookbook 3rd Ed., O'Reilly Media Inc. Sebastopol, Kalifornia: 2013.
• Znaleziono wcześniejszy post SO , prawdopodobnie oryginalną demonstrację.

Jeśli chcesz spłaszczyć strukturę danych, w której nie wiesz, jak głęboko jest zagnieżdżona, możesz użyć ¹iteration_utilities.deepflatten

>>> from iteration_utilities import deepflatten

>>> l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
>>> list(deepflatten(l, depth=1))
[1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> l = [[1, 2, 3], [4, [5, 6]], 7, [8, 9]]
>>> list(deepflatten(l))
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Jest to generator, więc musisz rzucić wynik na listlub jawnie iterować nad nim.

Aby spłaszczyć tylko jeden poziom i jeśli każdy z elementów jest iterowalny, możesz również użyć tego, iteration_utilities.flattenktóry sam jest cienkim opakowaniem itertools.chain.from_iterable:

>>> from iteration_utilities import flatten
>>> l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
>>> list(flatten(l))
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Wystarczy dodać kilka czasów (na podstawie odpowiedzi Nico Schlömera, która nie zawierała funkcji przedstawionej w tej odpowiedzi):

Jest to wykres dziennika, który uwzględnia szeroki zakres wartości. Dla rozumowania jakościowego: niższe jest lepsze.

Wyniki pokazują, że jeśli iterable zawiera tylko kilka wewnętrznych iterables następnie sumbędzie najszybszy, jednak przez długi iterables tylko itertools.chain.from_iterable, iteration_utilities.deepflattenczy zagnieżdżonego pojmowania mieć wystarczającą wydajność przy itertools.chain.from_iterableczym najszybciej (jak już zauważył Nico Schlömer).

from itertools import chain
from functools import reduce
from collections import Iterable  # or from collections.abc import Iterable
import operator
from iteration_utilities import deepflatten

def nested_list_comprehension(lsts):
    return [item for sublist in lsts for item in sublist]

def itertools_chain_from_iterable(lsts):
    return list(chain.from_iterable(lsts))

def pythons_sum(lsts):
    return sum(lsts, [])

def reduce_add(lsts):
    return reduce(lambda x, y: x + y, lsts)

def pylangs_flatten(lsts):
    return list(flatten(lsts))

def flatten(items):
    """Yield items from any nested iterable; see REF."""
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, (str, bytes)):
            yield from flatten(x)
        else:
            yield x

def reduce_concat(lsts):
    return reduce(operator.concat, lsts)

def iteration_utilities_deepflatten(lsts):
    return list(deepflatten(lsts, depth=1))


from simple_benchmark import benchmark

b = benchmark(
    [nested_list_comprehension, itertools_chain_from_iterable, pythons_sum, reduce_add,
     pylangs_flatten, reduce_concat, iteration_utilities_deepflatten],
    arguments={2**i: [[0]*5]*(2**i) for i in range(1, 13)},
    argument_name='number of inner lists'
)

b.plot()

^{1 Oświadczenie: Jestem autorem tej biblioteki}

Cofam moje oświadczenie. suma nie jest zwycięzcą. Chociaż jest krótszy, gdy lista jest mała. Ale wydajność spada znacznie przy większych listach.

>>> timeit.Timer(
        '[item for sublist in l for item in sublist]',
        'l=[[1, 2, 3], [4, 5, 6, 7, 8], [1, 2, 3, 4, 5, 6, 7]] * 10000'
    ).timeit(100)
2.0440959930419922

Wersja sumy nadal działa przez ponad minutę i nie została jeszcze przetworzona!

W przypadku średnich list:

>>> timeit.Timer(
        '[item for sublist in l for item in sublist]',
        'l=[[1, 2, 3], [4, 5, 6, 7, 8], [1, 2, 3, 4, 5, 6, 7]] * 10'
    ).timeit()
20.126545906066895
>>> timeit.Timer(
        'reduce(lambda x,y: x+y,l)',
        'l=[[1, 2, 3], [4, 5, 6, 7, 8], [1, 2, 3, 4, 5, 6, 7]] * 10'
    ).timeit()
22.242258071899414
>>> timeit.Timer(
        'sum(l, [])',
        'l=[[1, 2, 3], [4, 5, 6, 7, 8], [1, 2, 3, 4, 5, 6, 7]] * 10'
    ).timeit()
16.449732065200806

Korzystanie z małych list i timeit: number = 1000000

>>> timeit.Timer(
        '[item for sublist in l for item in sublist]',
        'l=[[1, 2, 3], [4, 5, 6, 7, 8], [1, 2, 3, 4, 5, 6, 7]]'
    ).timeit()
2.4598159790039062
>>> timeit.Timer(
        'reduce(lambda x,y: x+y,l)',
        'l=[[1, 2, 3], [4, 5, 6, 7, 8], [1, 2, 3, 4, 5, 6, 7]]'
    ).timeit()
1.5289170742034912
>>> timeit.Timer(
        'sum(l, [])',
        'l=[[1, 2, 3], [4, 5, 6, 7, 8], [1, 2, 3, 4, 5, 6, 7]]'
    ).timeit()
1.0598428249359131

Wydaje się, że jest to zamieszanie operator.add! Gdy dodasz dwie listy razem, poprawnym terminem jest concatnie dodawanie. operator.concatjest to, czego potrzebujesz.

Jeśli myślisz o funkcjonalności, jest to tak proste:

>>> from functools import reduce
>>> list2d = ((1, 2, 3), (4, 5, 6), (7,), (8, 9))
>>> reduce(operator.concat, list2d)
(1, 2, 3, 4, 5, 6, 7, 8, 9)

Widzisz, że redukcja respektuje typ sekwencji, więc kiedy dostarczysz krotkę, otrzymasz krotkę. Spróbujmy z listą:

>>> list2d = [[1, 2, 3],[4, 5, 6], [7], [8, 9]]
>>> reduce(operator.concat, list2d)
[1, 2, 3, 4, 5, 6, 7, 8, 9]

Aha, odzyskałeś listę.

Jak o wydajności ::

>>> list2d = [[1, 2, 3],[4, 5, 6], [7], [8, 9]]
>>> %timeit list(itertools.chain.from_iterable(list2d))
1000000 loops, best of 3: 1.36 µs per loop

from_iterablejest dość szybki! Ale nie można tego porównywać concat.

>>> list2d = ((1, 2, 3),(4, 5, 6), (7,), (8, 9))
>>> %timeit reduce(operator.concat, list2d)
1000000 loops, best of 3: 492 ns per loop

Dlaczego korzystasz z rozszerzenia?

reduce(lambda x, y: x+y, l)

To powinno działać dobrze.

Rozważ zainstalowanie more_itertoolspakietu.

> pip install more_itertools

Jest dostarczany z implementacją flatten( źródło , z przepisów itertools ):

import more_itertools


lst = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
list(more_itertools.flatten(lst))
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

Począwszy od wersji 2.4, można spłaszczyć bardziej skomplikowane, zagnieżdżone iteracje more_itertools.collapse( źródło , napisane przez abarnet).

lst = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
list(more_itertools.collapse(lst)) 
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

lst = [[1, 2, 3], [[4, 5, 6]], [[[7]]], 8, 9]              # complex nesting
list(more_itertools.collapse(lst))
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

Powodem, dla którego twoja funkcja nie działała, jest to, że rozszerzenie rozszerza tablicę w miejscu i nie zwraca jej. Nadal możesz zwrócić x z lambda, używając czegoś takiego:

reduce(lambda x,y: x.extend(y) or x, l)

Uwaga: rozszerzenie jest bardziej wydajne niż + na listach.

def flatten(l, a):
    for i in l:
        if isinstance(i, list):
            flatten(i, a)
        else:
            a.append(i)
    return a

print(flatten([[[1, [1,1, [3, [4,5,]]]], 2, 3], [4, 5],6], []))

# [1, 1, 1, 3, 4, 5, 2, 3, 4, 5, 6]

Wersja rekurencyjna

x = [1,2,[3,4],[5,[6,[7]]],8,9,[10]]

def flatten_list(k):
    result = list()
    for i in k:
        if isinstance(i,list):

            #The isinstance() function checks if the object (first argument) is an 
            #instance or subclass of classinfo class (second argument)

            result.extend(flatten_list(i)) #Recursive call
        else:
            result.append(i)
    return result

flatten_list(x)
#result = [1,2,3,4,5,6,7,8,9,10]

matplotlib.cbook.flatten() będzie działać dla zagnieżdżonych list, nawet jeśli zagnieżdżą się one głębiej niż w przykładzie.

import matplotlib
l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
print(list(matplotlib.cbook.flatten(l)))
l2 = [[1, 2, 3], [4, 5, 6], [7], [8, [9, 10, [11, 12, [13]]]]]
print list(matplotlib.cbook.flatten(l2))

Wynik:

[1, 2, 3, 4, 5, 6, 7, 8, 9]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13]

Jest to 18x szybciej niż podkreślenie ._. Spłaszczyć:

Average time over 1000 trials of matplotlib.cbook.flatten: 2.55e-05 sec
Average time over 1000 trials of underscore._.flatten: 4.63e-04 sec
(time for underscore._)/(time for matplotlib.cbook) = 18.1233394636

Przyjęta odpowiedź nie działała dla mnie w przypadku tekstowych list o zmiennej długości. Oto alternatywne podejście, które zadziałało dla mnie.

l = ['aaa', 'bb', 'cccccc', ['xx', 'yyyyyyy']]

Zaakceptowana odpowiedź, która nie zadziałała:

flat_list = [item for sublist in l for item in sublist]
print(flat_list)
['a', 'a', 'a', 'b', 'b', 'c', 'c', 'c', 'c', 'c', 'c', 'xx', 'yyyyyyy']

Nowe proponowane rozwiązania, które zrobił dla mnie pracować:

flat_list = []
_ = [flat_list.extend(item) if isinstance(item, list) else flat_list.append(item) for item in l if item]
print(flat_list)
['aaa', 'bb', 'cccccc', 'xx', 'yyyyyyy']

Złą cechą powyższej funkcji Anila jest to, że wymaga ona od użytkownika, aby zawsze ręcznie określał drugi argument jako pustą listę []. Zamiast tego powinno to być ustawienie domyślne. Ze względu na sposób działania obiektów Python należy je ustawić wewnątrz funkcji, a nie w argumentach.

Oto działająca funkcja:

def list_flatten(l, a=None):
    #check a
    if a is None:
        #initialize with empty list
        a = []

    for i in l:
        if isinstance(i, list):
            list_flatten(i, a)
        else:
            a.append(i)
    return a

Testowanie:

In [2]: lst = [1, 2, [3], [[4]],[5,[6]]]

In [3]: lst
Out[3]: [1, 2, [3], [[4]], [5, [6]]]

In [11]: list_flatten(lst)
Out[11]: [1, 2, 3, 4, 5, 6]

Najprostsze wydają mi się:

>>> import numpy as np
>>> l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
>>> print (np.concatenate(l))
[1 2 3 4 5 6 7 8 9]

Można również skorzystać z mieszkania NumPy :

import numpy as np
list(np.array(l).flat)

Edytuj 02.02.2016: Działa tylko wtedy, gdy listy podrzędne mają identyczne wymiary.

Możesz użyć numpy:
flat_list = list(np.concatenate(list_of_list))

Jeśli chcesz zrezygnować z niewielkiej prędkości, aby uzyskać czystszy wygląd, możesz użyć numpy.concatenate().tolist()lub numpy.concatenate().ravel().tolist():

import numpy

l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]] * 99

%timeit numpy.concatenate(l).ravel().tolist()
1000 loops, best of 3: 313 µs per loop

%timeit numpy.concatenate(l).tolist()
1000 loops, best of 3: 312 µs per loop

%timeit [item for sublist in l for item in sublist]
1000 loops, best of 3: 31.5 µs per loop

Możesz dowiedzieć się więcej tutaj w dokumentach numpy.concatenate i numpy.ravel

Najszybsze rozwiązanie, jakie znalazłem (dla dużej listy i tak):

import numpy as np
#turn list into an array and flatten()
np.array(l).flatten()

Gotowy! Możesz oczywiście zmienić go z powrotem w listę, wykonując listę (l)

Prosty kod dla underscore.pywentylatora pakietu

from underscore import _
_.flatten([[1, 2, 3], [4, 5, 6], [7], [8, 9]])
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

Rozwiązuje wszystkie problemy spłaszczania (brak elementu listy lub złożone zagnieżdżenie)

from underscore import _
# 1 is none list item
# [2, [3]] is complex nesting
_.flatten([1, [2, [3]], [4, 5, 6], [7], [8, 9]])
# [1, 2, 3, 4, 5, 6, 7, 8, 9]

Możesz zainstalować za underscore.pypomocą pip

pip install underscore.py

def flatten(alist):
    if alist == []:
        return []
    elif type(alist) is not list:
        return [alist]
    else:
        return flatten(alist[0]) + flatten(alist[1:])

Uwaga : poniżej dotyczy Python 3.3+, ponieważ używa yield_from. sixjest także pakietem innej firmy, choć jest stabilny. Alternatywnie możesz użyć sys.version.

W przypadku obj = [[1, 2,], [3, 4], [5, 6]]wszystkich rozwiązań tutaj są dobre, w tym ze zrozumieniem listy i itertools.chain.from_iterable.

Rozważ jednak ten nieco bardziej złożony przypadek:

>>> obj = [[1, 2, 3], [4, 5], 6, 'abc', [7], [8, [9, 10]]]

Tutaj jest kilka problemów:

• Jeden element, 6to tylko skalar; nie jest iterowalny, więc powyższe trasy zawiodą tutaj.
• Jeden element 'abc', jest technicznie iterable (wszystkie strs są). Jednak czytając trochę między wierszami, nie chcesz traktować go jako takiego - chcesz traktować go jako pojedynczy element.
• Ostatni element [8, [9, 10]]sam w sobie jest iterowalnym zagnieżdżonym. Podstawowe rozumienie listy i chain.from_iterablewyodrębnianie tylko „1 poziom w dół”.

Możesz temu zaradzić w następujący sposób:

>>> from collections import Iterable
>>> from six import string_types

>>> def flatten(obj):
...     for i in obj:
...         if isinstance(i, Iterable) and not isinstance(i, string_types):
...             yield from flatten(i)
...         else:
...             yield i


>>> list(flatten(obj))
[1, 2, 3, 4, 5, 6, 'abc', 7, 8, 9, 10]

Tutaj sprawdzasz, czy podelement (1) jest iterowalny Iterable, z ABC itertools, ale też chcesz upewnić się, że (2) element nie jest „ciągiem”.

flat_list = []
for i in list_of_list:
    flat_list+=i

Ten kod działa również dobrze, ponieważ po prostu rozszerza listę do końca. Chociaż jest bardzo podobny, ale ma tylko jeden dla pętli. Ma więc mniej złożoności niż dodanie 2 dla pętli.

from nltk import flatten

l = [[1, 2, 3], [4, 5, 6], [7], [8, 9]]
flatten(l)

Zaletą tego rozwiązania w porównaniu z większością innych tutaj jest to, że jeśli masz listę jak:

l = [1, [2, 3], [4, 5, 6], [7], [8, 9]]

podczas gdy większość innych rozwiązań generuje błąd, to rozwiązanie je obsługuje.

To może nie być najskuteczniejszy sposób, ale pomyślałem o umieszczeniu jednej linijki (w rzeczywistości dwuwarstwowej). Obie wersje będą działać na dowolnych listach zagnieżdżonych w hierarchii, wykorzystując funkcje językowe (Python3.5) i rekurencję.

def make_list_flat (l):
    flist = []
    flist.extend ([l]) if (type (l) is not list) else [flist.extend (make_list_flat (e)) for e in l]
    return flist

a = [[1, 2], [[[[3, 4, 5], 6]]], 7, [8, [9, [10, 11], 12, [13, 14, [15, [[16, 17], 18]]]]]]
flist = make_list_flat(a)
print (flist)

Dane wyjściowe to

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18]

Działa to w pierwszej kolejności. Rekurencja spada w dół, aż znajdzie element inny niż lista, a następnie rozszerza zmienną lokalną, flista następnie przywraca ją do elementu nadrzędnego. Ilekroć flistjest zwracany, jest on rozszerzony na listę rodziców flistw rozumieniu listy. Dlatego w katalogu głównym zwracana jest płaska lista.

Powyższy tworzy kilka list lokalnych i zwraca je, które służą do rozszerzenia listy rodziców. Myślę, że rozwiązaniem tego może być tworzenie gloabl flist, jak poniżej.

a = [[1, 2], [[[[3, 4, 5], 6]]], 7, [8, [9, [10, 11], 12, [13, 14, [15, [[16, 17], 18]]]]]]
flist = []
def make_list_flat (l):
    flist.extend ([l]) if (type (l) is not list) else [make_list_flat (e) for e in l]

make_list_flat(a)
print (flist)

Wyjście jest znowu

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18]

Chociaż w tej chwili nie jestem pewien co do wydajności.

Kolejne niezwykłe podejście, które działa dla hetero- i jednorodnych list liczb całkowitych:

from typing import List


def flatten(l: list) -> List[int]:
    """Flatten an arbitrary deep nested list of lists of integers.

    Examples:
        >>> flatten([1, 2, [1, [10]]])
        [1, 2, 1, 10]

    Args:
        l: Union[l, Union[int, List[int]]

    Returns:
        Flatted list of integer
    """
    return [int(i.strip('[ ]')) for i in str(l).split(',')]