根据布尔值列表过滤列表

我有一个值列表，需要根据布尔值列表中的值进行过滤：

list_a = [1, 2, 4, 6]
filter = [True, False, True, False]

我使用以下行生成一个新的过滤列表：

filtered_list = [i for indx,i in enumerate(list_a) if filter[indx] == True]

结果是：

print filtered_list
[1,4]

这条线工作正常，但是（对我而言）看起来有些过分了，我想知道是否有更简单的方法来实现这一目标。

忠告

以下答案提供了两个好的建议：

1-不要filter像我一样命名列表，因为它是内置函数。

2-不要比较True像我做的事情，if filter[idx]==True..因为这是不必要的。只需使用if filter[idx]就足够了。

您正在寻找itertools.compress：

>>> from itertools import compress
>>> list_a = [1, 2, 4, 6]
>>> fil = [True, False, True, False]
>>> list(compress(list_a, fil))
[1, 4]

时序比较（py3.x）：

>>> list_a = [1, 2, 4, 6]
>>> fil = [True, False, True, False]
>>> %timeit list(compress(list_a, fil))
100000 loops, best of 3: 2.58 us per loop
>>> %timeit [i for (i, v) in zip(list_a, fil) if v]  #winner
100000 loops, best of 3: 1.98 us per loop

>>> list_a = [1, 2, 4, 6]*100
>>> fil = [True, False, True, False]*100
>>> %timeit list(compress(list_a, fil))              #winner
10000 loops, best of 3: 24.3 us per loop
>>> %timeit [i for (i, v) in zip(list_a, fil) if v]
10000 loops, best of 3: 82 us per loop

>>> list_a = [1, 2, 4, 6]*10000
>>> fil = [True, False, True, False]*10000
>>> %timeit list(compress(list_a, fil))              #winner
1000 loops, best of 3: 1.66 ms per loop
>>> %timeit [i for (i, v) in zip(list_a, fil) if v] 
100 loops, best of 3: 7.65 ms per loop

_{不要filter用作变量名，它是一个内置函数。}

像这样：

filtered_list = [i for (i, v) in zip(list_a, filter) if v]

使用zip是在多个索引上并行迭代的pythonic方式，无需任何索引。假设两个序列的长度相同（最短用完后拉链停止）。使用itertools这种简单的情况有点过分...

在示例中您应该真正停止做的一件事是将事物与True进行比较，这通常不是必需的。相反if filter[idx]==True: ...，您可以简单地编写if filter[idx]: ...。

使用numpy：

In [128]: list_a = np.array([1, 2, 4, 6])
In [129]: filter = np.array([True, False, True, False])
In [130]: list_a[filter]

Out[130]: array([1, 4])

或者，如果list_a可以是一个numpy数组但不能过滤，请查看Alex Szatmary的答案

Numpy通常也可以大大提高速度

In [133]: list_a = [1, 2, 4, 6]*10000
In [134]: fil = [True, False, True, False]*10000
In [135]: list_a_np = np.array(list_a)
In [136]: fil_np = np.array(fil)

In [139]: %timeit list(itertools.compress(list_a, fil))
1000 loops, best of 3: 625 us per loop

In [140]: %timeit list_a_np[fil_np]
10000 loops, best of 3: 173 us per loop

为此，请使用numpy，即，如果您有一个数组a，而不是list_a：

a = np.array([1, 2, 4, 6])
my_filter = np.array([True, False, True, False], dtype=bool)
a[my_filter]
> array([1, 4])

filtered_list = [list_a[i] for i in range(len(list_a)) if filter[i]]

使用python 3，您可以list_a[filter]用来获取True值。要获得False价值，请使用list_a[~filter]