numpy.ndarray.flatten()最快但返回副本；需递归扁平化嵌套list时，应显式类型判断+itertools.chain.from_iterable()，避免字符串误拆；混用numpy与list需先统一类型再处理。
用
最快，但要注意返回副本
多数时候你不是真要“递归展开”，只是想把多维
变成一维。直接调
就行，它底层走 C 实现，比任何 Python 循环都快。
但它默认返回新数组，不修改原数组；如果传
（列优先），结果和
不同，容易混淆形状顺序。
→
返回
返回
，对应 Fortran 排序
若想复用内存、允许返回视图，改用
，但遇到不可连续内存时会悄悄拷贝
嵌套 list 怎么递归压平？别手写递归，用
配合
Python 原生 list 嵌套层级不固定时，
看着优雅，但容易栈溢出或漏判字符串——因为字符串也是可迭代对象，会被误拆成字符。
更稳的写法是显式判断类型，配合
扁平化一层，再循环处理，避免递归深度问题。
立即学习
“
Python免费学习笔记（深入）
”；
错误示范：
→ 字符串、字节串全中招
正确判断：
，排除
和
简单场景可用
，但只适用于两层且元素全是 list，性能差、易报错
真要用？必须加类型守卫 + 深度限制
如果你坚持用生成器递归（比如处理超大嵌套结构、不想一次性加载到内存），
可以，但必须设防。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
核心问题是：Python 默认递归限制约 1000 层，深层嵌套直接
；同时得防止把 dict、range、自定义迭代器等非容器类型误展开。
加守卫：
加深度参数：
，到顶就
别对
直接
——那只会 yield key，要展开值得用
混用 numpy 和 list 嵌套？先统一类型再处理
常见坑：函数接收的是
这种混合结构，既不能直接
，又不能用纯 Python 递归安全处理——因为
的布尔值判断会报
。
解决思路不是硬刚类型判断，而是提前归一化：把所有子项转成 list 或统一转成
，再选对应方法。
转 list：
，再进递归扁平逻辑
转 ndarray：
，但要求所有子项能广播为一维
最省事：用
混类型结构没有银弹，关键在压平前明确数据契约——是用户传进来就该保证同构，还是你的函数必须兜底。后者代价高，容易藏 bug。
numpy.ndarray.flatten()np.array.flatten()order='F'.ravel()a = np.array([[1, 2], [3, 4]])a.flatten()array([1, 2, 3, 4])a.flatten('F')array([1, 3, 2, 4]).ravel()itertools.chain.from_iterable()isinstance()yield fromitertools.chain.from_iterable()def flatten(x): yield from (flatten(i) if hasattr(i, '__iter__') else [i] for i in x)isinstance(x, (list, tuple, set, frozenset))strbytessum(nested_list, [])yield fromyield fromRecursionErrorif isinstance(item, (list, tuple)) and not isinstance(item, (str, bytes)):def flatten(x, depth=0, max_depth=10)returndictyield from dd.values()[np.array([1,2]), [3,4]].flatten()np.ndarrayValueError: The truth value of an array with more than one element is ambiguousnp.ndarray[x.tolist() if hasattr(x, 'tolist') else x for x in mixed]np.concatenate([np.atleast_1d(x) for x in mixed])np.hstack([x.ravel() if hasattr(x, 'ravel') else np.array(x).ravel() for x in mixed])