Zenn
🐛

`append`と`extend`の違いを知らないと、思わぬバグを生むことになる

2023/09/12に公開
Python
tech

Pythonにおけるappendとextendについて、使い方を誤ると思わぬバグを生むことになります。この記事ではappendとextendの基本的な使い方と、面倒くさいことを考えずに済むように、ラッパー関数を作成し、最後に再利用可能なモジュール化を行います。

基本事項

appendとextendの基本的な動作

  • append: リストの末尾に新しい要素を追加します。
  • extend: リストの末尾にイテラブルなオブジェクトの各要素を追加します。

appendとextendの使い方を間違えると、意図しない結果やエラーが発生する可能性があります。以下に例を示します。

1. リストに要素を追加する場合

正しい使い方:

lst = [1, 2, 3]
lst.append(4)  # [1, 2, 3, 4]

この場合、appendはリストの末尾に新しい要素を追加します。

誤用:

lst = [1, 2, 3]
lst.extend(4)  # TypeError: 'int' object is not iterable

この場合、extendはイテラブルなオブジェクトを期待していますが、整数が渡されたためエラーが発生します。

2. リストにリストを追加する場合

正しい使い方:

lst1 = [1, 2, 3]
lst2 = [4, 5, 6]
lst1.extend(lst2)  # [1, 2, 3, 4, 5, 6]

この場合、extendはlst2の要素をlst1の末尾に追加します。

誤用:

lst1 = [1, 2, 3]
lst2 = [4, 5, 6]
lst1.append(lst2)  # [1, 2, 3, [4, 5, 6]]

この場合、appendはlst2をそのままlst1の末尾に追加し、ネストされたリストができます。

3. 上記をforループで使う場合

正しい使い方:

lst1 = [1, 2, 3]
lst2 = [4, 5, 6]
for item in lst2:
    lst1.append(item)  # [1, 2, 3, 4, 5, 6]

誤用:

lst1 = [1, 2, 3]
lst2 = [4, 5, 6]
for item in lst2:
    lst1.extend(item)  # TypeError: 'int' object is not iterable

この場合、extendはイテラブルなオブジェクトを期待していますが、lst2の各要素は整数であるためエラーが発生します。

4. np.ndarrayをリストに追加する場合

正しい使い方:

lst = [1, 2, 3]
arr = np.array([4, 5, 6])
lst.append(arr)  # [1, 2, 3, array([4, 5, 6])]

この場合、appendはarrをそのままlstの末尾に追加し、リストの中にnp.ndarrayが含まれる形になります。

誤用:

lst = [1, 2, 3]
arr = np.array([4, 5, 6])
lst.extend(arr)  # [1, 2, 3, 4, 5, 6]

この場合、extendはarrの各要素をlstの末尾に追加します。しかし、この結果はエラーではありませんが、np.ndarrayをそのままリストに追加する意図とは異なる結果になります。

5. np.ndarray同士を結合する場合

正しい使い方:

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
combined = np.concatenate((arr1, arr2))  # array([1, 2, 3, 4, 5, 6])

この場合、np.concatenateを使用して、2つのnp.ndarrayを結合します。

誤用:

np.ndarray同士の結合には、基本的にnp.concatenateを使います。appendやextendを使用すると、ネストされた配列になったり、型の不一致から予期しない「自動変換」が起こる可能性があります。
以下に例を示します。

np.ndarrayをリストに追加する場合の例

import numpy as np

lst = ['舞浜', 100]
arr = np.array([200, 300])

appendを使用する場合:

lst.append(arr)
print(lst)  # ['舞浜', 100, array([200, 300])]

appendを使用すると、arrというnp.ndarrayオブジェクト自体がリストの新しい要素として追加されます。その結果、リストの中にnp.ndarrayがネストされた形になります。

extendを使用する場合:

lst.extend(arr)
print(lst)  # ['舞浜', 100, 200, 300]

extendを使用すると、arrの各要素（この場合は200と300）がリストに追加されます。その結果、リストはnp.ndarrayの要素をフラットに結合した形になります。

なぜ異なる結果になるのか

appendは与えられたオブジェクトをそのままリストに追加するのに対し、extendは与えられたイテラブルなオブジェクトの各要素をリストに追加します。そのため、np.ndarrayをリストに追加する際にextendを使用すると、np.ndarrayの各要素がリストに直接追加されるため、意図しない結果になります。

問題

問題は、コード中にリスト追加部分が多くあり、appendとextendの使い分けが難しい場合です。

解決法

このような場合は、毎度if文でappendとextendを使い分けるのは面倒です。そこで、appendとextendをラップした関数を作成し、appendとextendの使い分けを関数内で行うことで、コードを簡潔にできます。

ラッパー関数その１

import numpy as np

def smart_combine(a, b):
    # 両方がnp.ndarrayの場合
    if isinstance(a, np.ndarray) and isinstance(b, np.ndarray):
        return np.concatenate((a, b))
    
    # aがリストで、bがイテラブルなオブジェクト（文字列を除く）の場合
    elif isinstance(a, list) and hasattr(b, '__iter__') and not isinstance(b, str):
        if isinstance(b, np.ndarray):
            a.append(b)  # bがnp.ndarrayの場合、リストに追加
        else:
            a.extend(b)  # それ以外の場合、要素をリストに追加
        return a
    
    # bがリストで、aがイテラブルなオブジェクト（文字列を除く）の場合
    elif isinstance(b, list) and hasattr(a, '__iter__') and not isinstance(a, str):
        if isinstance(a, np.ndarray):
            b.append(a)  # aがnp.ndarrayの場合、リストに追加
        else:
            b.extend(a)  # それ以外の場合、要素をリストに追加
        return b
    
    # bがリストで、aが単一の要素の場合
    elif isinstance(b, list):
        b.append(a)
        return b
    
    # それ以外の場合
    else:
        a.append(b)
        return a

smart_combineは、2つの引数aとbを取る関数です。この関数の目的は、リストやnp.ndarrayなどの異なるデータ型を適切に結合することです。

  1. 両方がnp.ndarrayの場合:

    • aとbがともにnp.ndarrayの場合、np.concatenate関数を使用して2つの配列を結合します。

  2. aがリストで、bがイテラブルなオブジェクト（文字列を除く）の場合:

    • bがnp.ndarrayの場合、bをそのままaのリストに追加します。
    • それ以外の場合、bの要素をaのリストに追加します。

  3. bがリストで、aがイテラブルなオブジェクト（文字列を除く）の場合:

    • aがnp.ndarrayの場合、aをそのままbのリストに追加します。
    • それ以外の場合、aの要素をbのリストに追加します。

  4. bがリストで、aが単一の要素の場合:

    • aをそのままbのリストに追加します。

  5. それ以外の場合:

    • bをそのままaのリストに追加します。

この関数を使用することで、リストやnp.ndarrayを適切に結合できます。np.ndarrayとリストを組み合わせる場合や、リスト内にnp.ndarrayを追加する場合など、appendやextendをそのまま使うより楽ができます。

ラッパー関数その２

メモリー効率を考慮すると、appendやextendを使用するよりも、itertools.chainを使用した方が良い場合があります。

import numpy as np
from itertools import chain

def smart_combine_with_itertools(a, b):
    # 両方がnp.ndarrayの場合
    if isinstance(a, np.ndarray) and isinstance(b, np.ndarray):
        return np.concatenate((a, b))
    
    # aがリストで、bがイテラブルなオブジェクト（文字列を除く）の場合
    elif isinstance(a, list) and hasattr(b, '__iter__') and not isinstance(b, str):
        if isinstance(b, np.ndarray):
            return list(chain(a, [b]))  # bがnp.ndarrayの場合、リストに追加
        else:
            return list(chain(a, b))  # それ以外の場合、要素をリストに追加
    
    # bがリストで、aがイテラブルなオブジェクト（文字列を除く）の場合
    elif isinstance(b, list) and hasattr(a, '__iter__') and not isinstance(a, str):
        if isinstance(a, np.ndarray):
            return list(chain(b, [a]))  # aがnp.ndarrayの場合、リストに追加
        else:
            return list(chain(b, a))  # それ以外の場合、要素をリストに追加
    
    # bがリストで、aが単一の要素の場合
    elif isinstance(b, list):
        return list(chain(b, [a]))
    
    # それ以外の場合
    else:
        return list(chain(a, [b]))

itertools.chainを使用すると、ラッパー関数その1と比較して、以下の点で有利です。

  1. 効率性:

    • itertools.chainはイテラブルを連鎖的に結合するジェネレーターとして機能するので、メモリ効率が良いです。
    • 一方、appendやextendを使用すると、リストの再確保やコピーが発生します。リストのサイズが大きくなる場合に不利になります。

  2. 拡張性:

    • itertools.chainは任意の数のイテラブルを受け取ることができるため、2つ以上のイテラブルを結合する場合にも使用できます。
    • appendやextendは、1つの要素または1つのイテラブルしかリストに追加できません。

  3. シンプルさ:

    • itertools.chainを使用すると、リストや他のイテラブルを結合する操作が一貫してシンプルになります。特定の条件ごとにappendやextendを使い分ける必要がなくなります。

注意点

  • itertools.chainはジェネレーターを返すため、結果をリストとして取得する場合は、list()関数を使用してジェネレーターをリストに変換する必要があります。
  • itertools.chainを使用する場合、結果のイテラブルは元のリストやイテラブルを変更しません。したがって、元のリストやイテラブルに変更を加える場合は、同じ変数名で上書きする必要があります。

モジュールとして利用する

複数にまたがるコード中にappendやextendが多用される場合、ラッパー関数をモジュールとして作成しておくと便利です。以下に、ラッパー関数をcombine.pyという名前のモジュールとして作成する例を示します。

from itertools import chain
from typing import List, TypeVar

T = TypeVar('T')
import numpy as np

from face01lib.logger import Logger


class Comb:
    def __init__(self, log_level: str = 'info'):
        # Setup logger: common way
        self.log_level: str = log_level
        import os.path
        name: str = __name__
        dir: str = os.path.dirname(__file__)
        parent_dir, _ = os.path.split(dir)

        self.logger = Logger(self.log_level).logger(name, parent_dir)

    @staticmethod
    def comb(a: List[T], b: List[T]) -> List[T]:
        # 両方がnp.ndarrayの場合
        if isinstance(a, np.ndarray) and isinstance(b, np.ndarray):
            return list(np.concatenate((a, b)))

        # aがリストで、bがイテラブルなオブジェクト（文字列を除く）の場合
        elif isinstance(a, list) and hasattr(b, '__iter__') and not isinstance(b, str):
            if isinstance(b, np.ndarray):
                return list(chain(a, b.tolist()))  # bをリストに変換してから結合
            else:
                return list(chain(a, b))

        # bがリストで、aがイテラブルなオブジェクト（文字列を除く）の場合
        elif isinstance(b, list) and hasattr(a, '__iter__') and not isinstance(a, str):
            if isinstance(a, np.ndarray):
                return list(chain(b, a.tolist()))  # aをリストに変換してから結合
            else:
                return list(chain(b, a))

        # bがリストで、aが単一の要素の場合
        elif isinstance(b, list):
            if isinstance(a, np.ndarray):
                return list(chain(b, a.tolist()))  # aをリストに変換してから結合
            elif isinstance(a, list):
                return list(chain(b, a))  # aがリストの場合、そのまま結合
            else:
                return list(chain(b, [a]))  # aがリストでない場合、リストにしてから結合

        # それ以外の場合
        else:
            return list(chain(a, [b]))

以下が使用方法です。

from face01lib.combine import Comb as C

known_face_encodings = C.comb(known_face_encodings, face_encoding_list)
face_file_name_list = C.comb(face_file_name_list, [face_image])

combine.pyはface01libディレクトリに入っています。
上記の例で変数face_imageはstrですが、リスト化することで使用可能です。

以上です。ありがとうございました。

Discussion