Python：根据索引集从列表中select子集
我有几个列表具有所有相同数量的条目（每个指定对象属性）：
property_a = [545., 656., 5.4, 33.] property_b = [ 1.2, 1.3, 2.3, 0.3] ... 并用相同长度的标志列出
good_objects = [True, False, False, True]
（可以很容易地用一个等价的索引列表来代替：
good_indices = [0, 3]
生成新列表property_asel ， property_bsel ，最简单的方法是什么？它只包含由True条目或索引指示的值。
property_asel = [545., 33.] property_bsel = [ 1.2, 0.3]
你可以使用列表理解 ：
property_asel = [val for is_good, val in zip(good_objects, property_a) if is_good]
要么
property_asel = [property_a[i] for i in good_indices]
后者更快，因为good_indices的数量less于good_indices的长度，假设good_indices是预先计算的而不是即时生成的。
编辑 ：第一个选项等同于自Python 2.7 / 3.1以来可用的itertools.compress 。 见@加里·克尔的答案。
property_asel = list(itertools.compress(good_objects, property_a))
我看到2个选项。
-
使用numpy：
property_a = numpy.array([545., 656., 5.4, 33.]) property_b = numpy.array([ 1.2, 1.3, 2.3, 0.3]) good_objects = [True, False, False, True] good_indices = [0, 3] property_asel = property_a[good_objects] property_bsel = property_b[good_indices] -
使用列表理解和压缩它：
property_a = [545., 656., 5.4, 33.] property_b = [ 1.2, 1.3, 2.3, 0.3] good_objects = [True, False, False, True] good_indices = [0, 3] property_asel = [x for x, y in zip(property_a, good_objects) if y] property_bsel = [property_b[i] for i in good_indices]
使用内置的函数zip
property_asel = [a for (a, truth) in zip(property_a, good_objects) if truth]
编辑
只要看看2.7的新function。 现在在itertools模块中有一个类似于上面代码的函数。
http://docs.python.org/library/itertools.html#itertools.compress
itertools.compress('ABCDEF', [1,0,1,0,1,1]) => A, C, E, F
假设你只有项目列表和真实/必需的索引列表，这应该是最快的：
property_asel = [ property_a[index] for index in good_indices ]
这意味着房地产select只会有真实/必需的指数。 如果您有很多属性列表遵循单个标签（true / false）列表的规则，则可以使用相同的列表理解原则创build索引列表：
good_indices = [ index for index, item in enumerate(good_objects) if item ]
这遍历了good_objects中的每个项目（同时用枚举记住它的索引），并只返回项目为真的索引。
对于没有得到清单理解的人来说，这里是一个英文散文版本，其代码以粗体突出显示：
列出每个索引的索引，这个索引是存在于一个好的对象 枚举中的， 如果 （where）该项是真的
Matlab和Scilab语言提供了一个比Python更简单，更优雅的语法，因此我认为您可以做的最好的方法是使用Python中的Numpy包来模拟Matlab / Scilab。 通过这样做你的问题的解决scheme是非常简洁和优雅：
from numpy import * property_a = array([545., 656., 5.4, 33.]) property_b = array([ 1.2, 1.3, 2.3, 0.3]) good_objects = [True, False, False, True] good_indices = [0, 3] property_asel = property_a[good_objects] property_bsel = property_b[good_indices]
Numpy试图模仿Matlab / Scilab，但它的代价是：你需要用关键字“array”声明每个列表，这会使你的脚本过载（这个问题在Matlab / Scilab中不存在）。 请注意，这个解决scheme仅限于数组的数组，这是你的例子。
