从列表或元组中显式选择项目

Posted 2023-02-23

【中文标题】从列表或元组中显式选择项目

【英文标题】：Explicitly select items from a list or tuple

【发布时间】：2011-10-01 17:02:47

【问题描述】：

我有以下 Python 列表（也可以是元组）：

myList = ['foo', 'bar', 'baz', 'quux']

我可以说

>>> myList[0:3]
['foo', 'bar', 'baz']
>>> myList[::2]
['foo', 'baz']
>>> myList[1::2]
['bar', 'quux']

如何明确挑选出索引没有特定模式的项目？比如我想选择[0,2,3]。或者从一个非常大的 1000 项列表中，我想选择 [87, 342, 217, 998, 500]。是否有一些 Python 语法可以做到这一点？看起来像：

>>> myBigList[87, 342, 217, 998, 500]

【问题讨论】：

This 似乎是重复的。另一个问题有更多的赞成票，但这似乎在时间上有更好的答案。

这能回答你的问题吗？ Access multiple elements of list knowing their index

【参考方案1】：

list( myBigList[i] for i in [87, 342, 217, 998, 500] )

---

我将答案与 python 2.5.2 进行了比较：

19.7 微秒：[ myBigList[i] for i in [87, 342, 217, 998, 500] ]

20.6 微秒：map(myBigList.__getitem__, (87, 342, 217, 998, 500))

22.7 微秒：itemgetter(87, 342, 217, 998, 500)(myBigList)

24.6 微秒：list( myBigList[i] for i in [87, 342, 217, 998, 500] )

请注意，在 Python 3 中，第 1 个已更改为与第 4 个相同。

---

另一种选择是从numpy.array 开始，它允许通过列表或numpy.array 进行索引：

>>> import numpy
>>> myBigList = numpy.array(range(1000))
>>> myBigList[(87, 342, 217, 998, 500)]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: invalid index
>>> myBigList[[87, 342, 217, 998, 500]]
array([ 87, 342, 217, 998, 500])
>>> myBigList[numpy.array([87, 342, 217, 998, 500])]
array([ 87, 342, 217, 998, 500])

tuple 的工作方式与切片不同。

【讨论】：

最好作为列表比较，[myBigList[i] for i in [87, 342, 217, 998, 500]]，但我最喜欢这种方法。

@MedhatHelmy 这已经在答案中了。第三个选项在python -mtimeit的初始化部分使用了from operator import itemgetter。

我想知道，仅从语言设计的角度来看，当myBigList 是普通的python list 时，为什么myBigList[(87, 342, 217, 998, 500)] 不起作用？当我尝试时，我得到TypeError: list indices must be integers or slices, not tuple。这比输入理解要容易得多 - 是否涉及语言设计/实现问题？

@sparc_spread，这是因为 Python 中的 lists 只接受整数或切片。传递整数可确保从现有列表中仅检索一项。传递一个切片可以确保检索到其中的一部分，但是传递一个元组就像将一个数据类型（tuple）作为参数传递给另一个数据类型（list），这在语法上是不正确的。

@Qbik 因为在 Python 2 中，它不会泄漏循环变量，因为为生成器表达式创建了新范围。 Python 3 不需要这样做，因为列表推导已被更改为这样做。我更喜欢它，因为它可以更轻松地将列表换成任何其他生成器消耗函数。这也是我既不关心字典推导也不关心集合推导的原因。

【参考方案2】：

这个呢：

from operator import itemgetter
itemgetter(0,2,3)(myList)
('foo', 'baz', 'quux')

【讨论】：

这是迄今为止最性感的。喜欢 operator 模块！

【参考方案3】：

也许列表理解是有序的：

L = ['a', 'b', 'c', 'd', 'e', 'f']
print [ L[index] for index in [1,3,5] ]

生产：

['b', 'd', 'f']

这就是你要找的吗？

【参考方案4】：

它不是内置的，但如果您愿意，可以创建一个将元组作为“索引”的列表子类：

class MyList(list):

    def __getitem__(self, index):
        if isinstance(index, tuple):
            return [self[i] for i in index]
        return super(MyList, self).__getitem__(index)


seq = MyList("foo bar baaz quux mumble".split())
print seq[0]
print seq[2,4]
print seq[1::2]

打印

foo
['baaz', 'mumble']
['bar', 'quux']

【讨论】：

(+1) 简洁的解决方案！有了这个扩展，在 Python 中处理数组开始看起来更像 R 或 Matlab。

【参考方案5】：

>>> map(myList.__getitem__, (2,2,1,3))
('baz', 'baz', 'bar', 'quux')

如果您希望能够做到myList[(2,2,1,3)]，您还可以创建自己的List 类，该类支持将元组作为__getitem__ 的参数。

【讨论】：

虽然这可行，但直接调用魔术变量通常不是一个好主意。你最好使用列表理解或像 operator 这样的帮助模块。

@jathanism：我必须恭敬地不同意。虽然如果您担心前向兼容性（而不是公共/私有），我绝对可以看到您来自哪里。

这就是我的来历。 :) 之后，这也是为什么最好使用len(myList) 而不是myList.__len__()。

一个创造性的解决方案。我不认为调用魔法变量是一个坏主意。程序员根据编程环境选择自己喜欢的方式。

使用魔法方法通常是不好的，所以最好避免它。除非出于性能原因，否则从来没有必要。如果有任何关于 __getitem__() 的具体内容，请 IDK，但有关其他示例，请参阅 Why does calling Python's 'magic method' not do type conversion like it would for the corresponding operator? 和 Is there any case where len(someObj) does not call someObj's __len__ function?。

【参考方案6】：

我只想指出，即使是 itemgetter 的语法看起来也很简洁，但是在大列表上执行时有点慢。

import timeit
from operator import itemgetter
start=timeit.default_timer()
for i in range(1000000):
    itemgetter(0,2,3)(myList)
print ("Itemgetter took ", (timeit.default_timer()-start))

Itemgetter 拿了 1.065209062149279

start=timeit.default_timer()
for i in range(1000000):
    myList[0],myList[2],myList[3]
print ("Multiple slice took ", (timeit.default_timer()-start))

多个切片占用 0.6225321444745759

【讨论】：

第一个sn-p，请加myList = np.array(range(1000000))，否则会报错。

【参考方案7】：

另一种可能的解决方案：

sek=[]
L=[1,2,3,4,5,6,7,8,9,0]
for i in [2, 4, 7, 0, 3]:
   a=[L[i]]
   sek=sek+a
print (sek)

【参考方案8】：

当你有一个像 mask 这样的布尔 numpy 数组时经常这样

[mylist[i] for i in np.arange(len(mask), dtype=int)[mask]]

适用于任何序列或 np.array 的 lambda：

subseq = lambda myseq, mask : [myseq[i] for i in np.arange(len(mask), dtype=int)[mask]]

newseq = subseq(myseq, mask)