Question

考虑两个清单：

a = [2, 4, 5]
b = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

我想要一个结果列表c其中

c = [0, 0, 2, 0, 4, 5, 0 ,0 ,0 ,0]

是一个长度为len(b)的列表，其值取自b中由a中指定的索引定义的值{/ p>}。

这样做最优雅的方式是什么？

Answer 1

list comprehension和conditional expression使用enumerate。

此LC将迭代索引和列表b的值，如果在i中找到索引a，则它会将元素设置为v ，否则它会将其设置为0.

a = [2, 4, 5]
b = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

c = [v if i in a else 0 for i, v in enumerate(b)]

print(c)
# [0, 0, 2, 0, 4, 5, 0, 0, 0, 0]

注意：如果a很大，那么在使用in之前，您可能最好先转换为设置。使用in和列表的time complexity是O（n），而对于一个集合，它是O（1）（在两者的平均情况下）。

列表理解大致相当于以下代码（用于解释）：

c = []
for i, v in enumerate(b):
    if i in a:
        c.append(v)
    else:
        c.append(0)

由于您可以选择使用numpy我在下面添加了一个简单的方法，该方法使用初始化填充零的数组，然后使用列表索引来替换元素。

import numpy as np

a2 = np.array(a)
b2 = np.array(b)

c = np.zeros(len(b2))
c[a2] = b[a2]

在对三种方法（我的列表comp，我的numpy和Jon的方法）进行计时时，会为N = 1000，a = list(range(0, N, 10))和b = list(range(N))提供以下结果。

In [170]: %timeit lc_func(a,b)
100 loops, best of 3: 3.56 ms per loop

In [171]: %timeit numpy_func(a2,b2)
100000 loops, best of 3: 14.8 µs per loop

In [172]: %timeit jon_func(a,b)
10000 loops, best of 3: 22.8 µs per loop

这是可以预料的。 numpy函数是最快的，但Jon的函数和numpy都比列表理解快得多。如果我将元素数量增加到100,000，那么numpy和Jon的方法之间的差距会变得更大。

有趣的是，对于小N，Jon的功能是最好的！我怀疑这与创建numpy数组的开销有关，这些数据被列表的开销所压倒。

故事的道德：大N？和numpy一起去。小N？跟Jon一起去。

Answer 2

另一种选择是使用0预初始化目标列表 - 快速操作，然后将值覆盖到合适的索引，例如：

a = [2, 4, 5]
b = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

c = [0] * len(b)
for el in a:
    c[el] = b[el]

# [0, 0, 2, 0, 4, 5, 0, 0, 0, 0]

使用第三个列表中指定的索引处的另一个列表中的项创建列表

2 个答案: