访问列表的多个元素知道他们的索引
我需要从列表中select一些元素，了解它们的索引。 假设我想创build一个新的列表，其中包含索引为1,2,5的元素从给定列表[-2,1,5,3,8,5,6]。 我做的是：
a = [-2,1,5,3,8,5,6] b = [1,2,5] c = [ a[i] for i in b] 有没有更好的方法来做到这一点？ 像c = a [b]的东西？
你可以使用operator.itemgetter ：
>>> from operator import itemgetter >>> a = [-2, 1, 5, 3, 8, 5, 6] >>> b = [1, 2, 5] >>> print itemgetter(*b)(a) (1, 5, 5)
或者你可以使用numpy ：
>>> import numpy as np >>> a = np.array([-2, 1, 5, 3, 8, 5, 6]) >>> b = [1, 2, 5] >>> print list(a[b]) [1, 5, 5]
但是，真的，你现在的解决scheme是好的。 这可能是所有这些中最好的。
备择scheme：
>>> map(a.__getitem__, b) [1, 5, 5]
>>> import operator >>> operator.itemgetter(*b)(a) (1, 5, 5)
基本和不是非常广泛的testing，比较五个答案的执行时间：
def numpyIndexValues(a, b): na = np.array(a) nb = np.array(b) out = list(na[nb]) return out def mapIndexValues(a, b): out = map(a.__getitem__, b) return list(out) def getIndexValues(a, b): out = operator.itemgetter(*b)(a) return out def pythonLoopOverlap(a, b): c = [ a[i] for i in b] return c multipleListItemValues = lambda searchList, ind: [searchList[i] for i in ind]
使用以下input：
a = range(0, 10000000) b = range(500, 500000)
简单的Python循环是最快的lambda操作closures第二，mapIndexValues和getIndexValues一贯非常相似与numpy方法后转换列表numpy数组显着较慢。如果数据已经在numpy数组numpyIndexValues方法与numpy.array转换删除是最快的。
numpyIndexValues -> time:1.38940598 (when converted the lists to numpy arrays) numpyIndexValues -> time:0.0193445 (using numpy array instead of python list as input, and conversion code removed) mapIndexValues -> time:0.06477512099999999 getIndexValues -> time:0.06391049500000001 multipleListItemValues -> time:0.043773591 pythonLoopOverlap -> time:0.043021754999999995
我相信这个问题已经被考虑过了：如果b中的索引数量很小且不变，那么可以写出如下结果：
c = [a[b[0]]] + [a[b[1]]] + [a[b[2]]]
如果指数本身是常量，甚至更简单…
c = [a[1]] + [a[2]] + [a[5]]
或者如果有连续的指数范围…
c = a[1:3] + [a[5]]
另一个解决scheme可以通过pandas系列：
import pandas as pd a = pd.Series([-2, 1, 5, 3, 8, 5, 6]) b = [1, 2, 5] c = a[b]
然后，您可以将c转换回列表，如果你想：
c = list(c)
我的答案不使用numpy或python集合。
寻找要素的一个微不足道的方法如下：
a = [-2, 1, 5, 3, 8, 5, 6] b = [1, 2, 5] c = [i for i in a if i in b]
缺点：此方法可能无法适用于较大的列表。 build议在较大的列表中使用numpy。
