我有几个具有相同数量条目的列表（每个列表都指定一个对象属性）：

property_a = [545., 656., 5.4, 33.]
property_b = [ 1.2,  1.3, 2.3, 0.3]
...

并列出具有相同长度的标志

good_objects = [True, False, False, True]

（可以很容易地用等效的索引列表代替：

good_indices = [0, 3]

生成仅包含由条目或索引指示的值的新列表property_asel，property_bsel... 的最简单方法是什么True？

property_asel = [545., 33.]
property_bsel = [ 1.2, 0.3]

您可以只使用列表推导：

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]

后者要快一些，因为它good_indices的长度小于的长度property_a，假设good_indices它们是预先计算的，而不是即时生成的。

编辑：第一个选项等效于itertools.compressPython 2.7 / 3.1之后的版本。请参阅@Gary Kerr的答案。

property_asel = list(itertools.compress(property_a, good_objects))

我看到2个选项。

1. 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]

2. 使用列表理解并将其压缩：

   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]

使用内置的功能zip

property_asel = [a for (a, truth) in zip(property_a, good_objects) if truth]

编辑

只看2.7的新功能。itertools模块中现在有一个函数，与上面的代码类似。

http://docs.python.org/library/itertools.html#itertools.compress

itertools.compress('ABCDEF', [1,0,1,0,1,1]) =>
  A, C, E, F

假设您只有项目列表和真实/必需索引列表，那么这应该是最快的：

property_asel = [ property_a[index] for index in good_indices ]

这意味着属性选择将只进行与真实/必需索引一样多的回合。如果您有很多遵循单个标签（真/假）列表规则的属性列表，则可以使用相同的列表理解原则创建索引列表：

good_indices = [ index for index, item in enumerate(good_objects) if item ]

这会遍历good_objects中的每个项目（同时使用枚举记住其索引），并且仅返回该项目为true的索引。

对于没有理解列表的人，这是英文散文版本，其代码以粗体突出显示：

列出每个索引组的索引，该索引存在于好对象的枚举中，如果（其中）该项为True

Matlab和Scilab语言为您提出的问题提供了比Python更简单，更优雅的语法，因此，我认为最好的方法是使用Python中的Numpy包来模仿Matlab / Scilab。通过这样做，您的问题的解决方案非常简洁，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，但这要付出一定的代价：您需要用关键字“ array”声明每个列表，这会使脚本过载（Matlab / Scilab不存在此问题）。请注意，此解决方案仅限于数字数组，在您的示例中就是这种情况。