在条件满足之前过滤掉所有元素，在条件满足之后保留所有元素

Question

我想知道是否有解决以下问题的简单方法。这里的问题是我想在初始条件为真后保留此列表中出现的每个元素。这里的条件是我想在值大于 18 为真之前删除所有内容，但保留所有内容。例子

输入：

p = [4,9,10,4,20,13,29,3,39]

预期输出：

p = [20,13,29,3,39]

我知道您可以通过

过滤整个列表

[x for x in p if x>18]

但我想在找到第一个大于 18 的值后停止此操作，然后包括其余值，无论它们是否满足条件。这似乎是一个简单的问题，但我还没有找到解决方法。

Answer 1

您可以使用 itertools.dropwhile:

from itertools import dropwhile

p = [4,9,10,4,20,13,29,3,39]

p = dropwhile(lambda x: x <= 18, p)
print(*p) # 20 13 29 3 39

在我看来，这可以说是 easiest-to-read 版本。这也对应于其他函数式编程语言中的常见模式，例如Haskell中的dropWhile (<=18) p和Scala中的p.dropWhile(_ <= 18)。

或者，使用海象运算符（仅在 python 3.8+ 中可用）：

exceeded = False
p = [x for x in p if (exceeded := exceeded or x > 18)]
print(p) # [20, 13, 29, 3, 39]

但我猜有些人不喜欢这种风格。在那种情况下，可以做一个明确的 for 循环（ilkkachu 的建议）：

for i, x in enumerate(p):
    if x > 18:
        output = p[i:]
        break
else:
    output = [] # alternatively just put output = [] before for

Answer 2

您可以在生成器表达式和 next:

中使用 enumerate 和列表切片

out = next((p[i:] for i, item in enumerate(p) if item > 18), [])

输出：

[20, 13, 29, 3, 39]

在运行时方面，取决于数据结构。

下图显示了此处答案在 p 的各种长度下的运行时间差异。

如果原始数据是列表，那么使用提出的惰性迭代器显然是赢家：

但是如果初始数据是一个 ndarray 对象，那么 and （对于大数组）提出的向量化操作会更快。特别是，无论数组大小如何，numpy 都优于列表方法。但是对于非常大的数组，pandas 开始比 numpy 表现更好（我不知道为什么，如果有人能解释的话，我（我相信其他人）会很感激）。

用于生成第一个图的代码：

import perfplot
import numpy as np
import pandas as pd
import random
from itertools import dropwhile

def it_dropwhile(p):
    return list(dropwhile(lambda x: x <= 18, p))

def walrus(p):
    exceeded = False
    return [x for x in p if (exceeded := exceeded or x > 18)]

def explicit_loop(p):
    for i, x in enumerate(p):
        if x > 18:
            output = p[i:]
            break
    else:
        output = []
    return output

def genexpr_next(p):
    return next((p[i:] for i, item in enumerate(p) if item > 18), [])

def np_argmax(p):
    return p[(np.array(p) > 18).argmax():]

def pd_idxmax(p):
    s = pd.Series(p)
    return s[s.gt(18).idxmax():]

def list_index(p):
    for x in p:
        if x > 18:
            return p[p.index(x):]
    return []

def lazy_iter(p):
    it = iter(p)
    for x in it:
        if x > 18:
            return [x, *it]
    return []

perfplot.show(
    setup=lambda n: random.choices(range(0, 15), k=10*n) + random.choices(range(-20,30), k=10*n),
    kernels=[it_dropwhile, walrus, explicit_loop, genexpr_next, np_argmax, pd_idxmax, list_index, lazy_iter],
    labels=['it_dropwhile','walrus','explicit_loop','genexpr_next','np_argmax','pd_idxmax', 'list_index', 'lazy_iter'],
    n_range=[2 ** k for k in range(18)],
    equality_check=np.allclose,
    xlabel='~n/20'
)

用于生成第二个图的代码（请注意，我必须修改 list_index 因为 numpy 没有 index 方法）：

def list_index(p):
    for x in p:
        if x > 18:
            return p[np.where(p==x)[0][0]:]
    return []

perfplot.show(
    setup=lambda n: np.hstack([np.random.randint(0,15,10*n), np.random.randint(-20,30,10*n)]),
    kernels=[it_dropwhile, walrus, explicit_loop, genexpr_next, np_argmax, pd_idxmax, list_index, lazy_iter],
    labels=['it_dropwhile','walrus','explicit_loop','genexpr_next','np_argmax','pd_idxmax', 'list_index', 'lazy_iter'],
    n_range=[2 ** k for k in range(18)],
    equality_check=np.allclose,
    xlabel='~n/20'
)

Answer 3

这里有很棒的解决方案；只是想演示如何使用 numpy:

>>> import numpy as np
>>> p[(np.array(p) > 18).argmax():]
[20, 13, 29, 3, 39]

由于这里有很多不错的答案，我决定运行一些简单的基准测试。第一个使用长度为 9 的 OP 样本数组 ([4,9,10,4,20,13,29,3,39])。第二个使用随机生成的长度为 20,000 的数组，其中前半部分介于 0 和 15 之间，后半部分介于 -20 和 30 之间（这样分裂就不会发生在中间）。

使用 OP 的数据（长度为 9 的数组）：

%timeit enke()
650 ns ± 15.9 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit j1lee1()
546 ns ± 4.22 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit j1lee2()
551 ns ± 19 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit j2lee3()
536 ns ± 12.9 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit richardec()
2.08 µs ± 16 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

使用长度为20,000（两万）的数组：

%timeit enke()
1.5 ms ± 34.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit j1lee1()
1.95 ms ± 43 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit j1lee2()
2.1 ms ± 53.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit j2lee3()
2.33 ms ± 96.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit richardec()
13.3 µs ± 461 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

生成第二个数组的代码：

p = np.hstack([np.random.randint(0,15,10000),np.random.randint(-20,30,10000)])

所以，对于小案例，numpy 是一个 slug，不需要。但是在大的情况下，numpy 几乎快 100 倍，并且要走的路！ :)

Answer 4

我注意到 OP 在回答下提到 p 实际上是一个 Pandas DataFrame。这是一种使用 Pandas:

过滤所有元素直到大于 18 的数字的第一个实例的方法

import pandas as pd
df = pd.DataFrame([4,9,10,4,20,13,29,3,39])
df = df[df[0].gt(18).idxmax():]
print(df)

输出：

注意：我对您的 DataFrame 的实际结构视而不见，所以我只是使用了给定的内容。

Answer 5

根据我的经验，至少对于整数列表，使用 enumerate 只是为了找到一个索引并丢弃所有其他索引是如此浪费以至于它更快首先只找到元素，然后使用 list.index 找到它的索引。根据一些测试，我预计它比 .

中的 explicit_loop 解决方案（使用 enumerate）快大约 1.44 倍

def start_over_18(p):
    for x in p:
        if x > 18:
            return p[p.index(x):]
    return []

另一种解决方案，使用迭代器，因此我根本不必为索引操心。似乎是两倍 explicit_loop 解决方案：

def start_over_18(p):
    it = iter(p)
    for x in it:
        if x > 18:
            return [x, *it]
    return []

在条件满足之前过滤掉所有元素，在条件满足之后保留所有元素

Filter out everything before a condition is met, keep all elements after

python

list-comprehension

list