Сложный список срез / индекс в python

у меня есть список, который выглядит так:

lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13]

Я хотел бы создать отфильтрованный список, который выглядит следующим образом:

filtered_lst = [2, 6, 7, 9, 10, 13]

предоставляет ли Python Соглашение для пользовательского среза. Что-то вроде:

lst[1, 5, 6, 8, 9, 12] # slice a list by index
8
list python slice

5 ответов

использовать operator.itemgetter():

from operator import itemgetter

itemgetter(1, 5, 6, 8, 9, 12)(lst)

демо:

>>> from operator import itemgetter
>>> lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13]
>>> itemgetter(1, 5, 6, 8, 9, 12)(lst)
(2, 6, 7, 9, 10, 13)

это возвращает кортеж; приведение к списку с list(itemgetter(...)(lst)) если это требование.

обратите внимание, что это эквивалент выражения среза (lst[start:stop]) С набором индексов вместо диапазона; его нельзя использовать в качестве назначения среза левой стороны (lst[start:stop] = some_iterable).

16

массивы numpy имеют такой синтаксис:

In [45]: import numpy as np

In [46]: lst = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13])

In [47]: lst[[1, 5, 6, 8, 9, 12]]
Out[47]: array([ 2,  6,  7,  9, 10, 13])
5

это легко и прямо сделано с использованием понимания списка.

lst = range(1, 14)
indices = [1, 5, 6, 8, 9, 12]
filtered_lst = [lst[i] for i in indices]
1

Я бы пошел с operator.itemgetter() метод, который предложил Martijn Pieters, но вот другой способ (для полноты)

In [23]: lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13]

In [24]: indices = set([1, 5, 6, 8, 9, 12])

In [25]: [n for i,n in enumerate(lst) if i in indices]
Out[25]: [2, 6, 7, 9, 10, 13]
1

срез Python позволяет сделать срез целью назначения. И синтаксис нарезки Python не допускает срезов с нерегулярными шаблонами индексов. Таким образом, если вы хотите сделать свой "пользовательский" срез целью назначения, это невозможно с синтаксисом среза Python.

Если ваши требования выполнены, взяв копию указанных элементов, то operator.itemgetter() отвечает вашим потребностям. Если вам нужно назначение среза, то numpy срезы являются хорошим вариантом.

0