如果列表在其他列表中的布尔表达式

Posted 2023-02-14

【中文标题】如果列表在其他列表中的布尔表达式

【英文标题】：Boolean expression for if list is within other list

【发布时间】：2016-12-17 13:27:44

【问题描述】：

检查一个列表是否在另一个列表中的有效方法是什么？比如：

[2,3] in [1,2,3,4]      #evaluates True
[1,5,4] in [5,1,5,4]    #evaluates True
[1,2] in [4,3,2,1]      #evaluates False

列表中的顺序很重要。

【问题讨论】：

第一个列表中的元素是否需要在第二个列表中连续？例如，[1,2] in [1,3,2] 应该返回什么？

false，因为必须是连续的

这个问题与***.com/questions/3313590/… 完全不同，***.com/questions/3313590/… 假设数据是二进制并使用连接。这里的数据可以是任何数值，例如[2, 55, 100]。在这种情况下，“重复”问题中建议的解决方案不适用。

@Alexander - 该问题的 OP 并未仅指定二进制数据，并且有适用于 this 数据的答案/解决方案。 - 特别是投票最多的答案.

其实，***.com/questions/3313590/… 的问题和这个问题是一样的，那里最受好评的答案也适用于此（巧合的是，与我下面的答案相同）。

【参考方案1】：

def check_ordered_sublist_in_list(sub_list, main_list):
    sub_list = np.array(sub_list)
    main_list = np.array(main_list)
    return any(all(main_list[n:(n + len(sub_list))] == sub_list) 
               for n in range(0, len(main_list) - len(sub_list) + 1))

>>> check_ordered_sublist_in_list([2, 3], [1, 2, 3, 4])
True

>>> check_ordered_sublist_in_list([1, 5, 4], [5, 1, 5, 4])
True

>>> check_ordered_sublist_in_list([1, 2], [4, 3, 2, 1])
False

这会将列表转换为 numpy 数组（为了计算效率），然后使用切片检查 sub_list 是否包含在切片中。任何成功都返回 True。

【讨论】：

这似乎是对numpy的滥用。构建np.arrays 是一项相当昂贵的操作。这很可能会否定使用 numpy 来执行一些简单的切片所获得的任何计算效率（尤其是因为示例中的列表非常小）。

@pzp 可能，但在这个简单的示例中列表很小。实际用例往往要复杂得多。不过，我同意@mfripp 提出的is_in 解决方案效率更高。

在函数名中使用“ordered_sublist”似乎是多余的——不是所有的列表都在 Python 中排序吗？

@martineau 是的，所有列表都是有序的。函数标题旨在阐明 [1, 2] 在 [1, 2, 3, 4] 中，但 [2, 1] 不在。正如 OP 所阐明的那样，排序很重要，并且可以区分无序的集合。例如，初始回复错误地使用了集合。

OP 从不询问无序集合，仅当列表是另一个列表的子列表时。由于两者都是列表，因此都按定义排序。

【参考方案2】：

你可以用这个：

def is_in(short, long):
    return any(short==long[i:i+len(short)] for i in range(len(long)-len(short)+1))

is_in([2,3], [1,2,3,4])   # True
is_in([1,5,4], [5,1,5,4]) # True
is_in([1,2], [4,3,2,1])   # False

如果你真的很在意速度，这些表达式会快 20-30%：

def segments(long, length):
    return [long[i:i+length] for i in range(len(long)-length+1)]

def is_in_seg(short, long):
    return short in segments(long, len(short))

is_in_seg([1,5,4], [5,1,5,4])      # true
[1,5,4] in segments([5,1,5,4], 3)  # true

这比列表快 47%，但它使用元组而不是列表：

import itertools
def segments_zip(long, length):
    return itertools.izip(*[long[i:] for i in xrange(length)])

(2,3) in segments_zip((1,2,3,4), 2)    # True
(1,5,4) in segments_zip((5,1,5,4), 3)  # True
(1,2) in segments_zip((4,3,2,1), 2)    # False

额外的速度来自使用 itertools.izip，它可以在找到匹配项时停止生成段；从使用 xrange 避免创建整个范围列表；以及使用元组，它通常比列表稍快。但是，如果您必须将列表转换为元组才能使用它，那么微小的速度优势就会消失。