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 numpy.ndarray.flatten() 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 np.array 变成一维。直接调 .flatten() 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 order='F'（列优先），结果和 .ravel() 不同，容易混淆形状顺序。
-
a = np.array([[1, 2], [3, 4]])→a.flatten()返回array([1, 2, 3, 4]) -
a.flatten('F')返回array([1, 3, 2, 4])，对应 Fortran 排序 - 若想复用内存、允许返回视图，改用
.ravel()，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 itertools.chain.from_iterable() 配合 isinstance()
Python 原生 list 嵌套层级不固定时，yield from 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 itertools.chain.from_iterable() 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：
def flatten(x): yield from (flatten(i) if hasattr(i, '__iter__') else [i] for i in x)→ 字符串、字节串全中招 - 正确判断：
isinstance(x, (list, tuple, set, frozenset))，排除str和bytes - 简单场景可用
sum(nested_list, [])，但只适用于两层且元素全是 list，性能差、易报错
yield from 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），yield from 可以，但必须设防。
核心问题是：Python 默认递归限制约 1000 层，深层嵌套直接 RecursionError；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：
if isinstance(item, (list, tuple)) and not isinstance(item, (str, bytes)): - 加深度参数：
def flatten(x, depth=0, max_depth=10)，到顶就return - 别对
dict直接yield from d——那只会 yield key，要展开值得用d.values()
混用 numpy 和 list 嵌套？先统一类型再处理
常见坑：函数接收的是 [np.array([1,2]), [3,4]] 这种混合结构，既不能直接 .flatten()，又不能用纯 Python 递归安全处理——因为 np.ndarray 的布尔值判断会报 ValueError: The truth value of an array with more than one element is ambiguous。
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 np.ndarray，再选对应方法。
- 转 list：
[x.tolist() if hasattr(x, 'tolist') else x for x in mixed]，再进递归扁平逻辑 - 转 ndarray：
np.concatenate([np.atleast_1d(x) for x in mixed])，但要求所有子项能广播为一维 - 最省事：用
np.hstack([x.ravel() if hasattr(x, 'ravel') else np.array(x).ravel() for x in mixed])
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。
