如何获取列表中非零元素的索引列表？答案

【问题标题】：How do I get a list of indices of non zero elements in a list?如何获取列表中非零元素的索引列表？
【发布时间】：2011-05-05 21:56:49
【问题描述】：

我有一个总是只包含 1 和 0 的列表。我需要获取列表的非零索引列表：

a = [0, 1, 0, 1, 0, 0, 0, 0]
b = []
for i in range(len(a)):
    if a[i] == 1:  b.append(i)
print b

实现这一目标的“pythonic”方式是什么？

【问题讨论】：

标签： list python list-comprehension

【解决方案1】：

[i for i, e in enumerate(a) if e != 0]

【讨论】：

让我想起了 itertools.compress，但它会压缩而不是枚举。
@Sachin_ruk：不太可能。另一方面，它不需要 NumPy。

【解决方案2】：

不是一个真正的“新”答案，但numpy 也内置了这个。

import numpy as np
a = [0, 1, 0, 1, 0, 0, 0, 0]
nonzeroind = np.nonzero(a)[0] # the return is a little funny so I use the [0]
print nonzeroind
[1 3]

【讨论】：

太酷了！我需要它来在 Cinema-4D 中编写一些 Python 脚本，所以当时仅仅为此创建一个库没有意义。 numpy 看起来很不错！感谢分享！
我也更喜欢 numpy 然后另一个答案...这更容易理解...它更合乎逻辑，如果您来自 matalb 则更合乎逻辑:-)

【解决方案3】：

由于 THC4k 提到了 compress（python2.7+ 可用）

>>> from itertools import compress, count
>>> x = [0, 1, 0, 1, 0, 0, 0, 0]
>>> compress(count(), x)
<itertools.compress object at 0x8c3666c>   
>>> list(_)
[1, 3]

【讨论】：

+1 表示聪明，尽管事实上几乎不存在的解释通过使用“_”最后结果绑定到作为参数传递给 @ 的迭代器对象变得更加模糊987654322@函数/类型。

【解决方案4】：

只是想为上一个 asnwer 的“有趣”输出添加解释。结果是一个元组，其中包含矩阵每个维度的索引向量。在这种情况下，用户正在处理被认为是 numpy 中的向量的内容，因此输出是带有一个元素的元组。

import numpy as np
a = [0, 1, 0, 1, 0, 0, 0, 0]
nonzeroind = np.nonzero(a) 
print nonzeroind
(array([1, 3]),)

【讨论】：

【解决方案5】：

两个答案与列表长度的时间比较

a = [int(random.random()>0.5) for i in range(10)]
%timeit [i for i, e in enumerate(a) if e != 0]
683 ns ± 14 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
%timeit np.nonzero(a)[0]
4.43 µs ± 102 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

a = [int(random.random()>0.5) for i in range(1000)]
%timeit [i for i, e in enumerate(a) if e != 0]
53.1 µs ± 2.02 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
%timeit np.nonzero(a)[0]
73.8 µs ± 2.71 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

a = [int(random.random()>0.5) for i in range(100000)]
%timeit [i for i, e in enumerate(a) if e != 0]
5.86 ms ± 79.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit np.nonzero(a)[0]
6.61 ms ± 14.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

列表长度为100000，改变列表中的个数

a = [int(random.random()>0.1) for i in range(100000)]
%timeit [i for i, e in enumerate(a) if e != 0]
6.45 ms ± 28.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit np.nonzero(a)[0]
5.74 ms ± 9.25 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

a = [int(random.random()>0.9) for i in range(100000)]
%timeit [i for i, e in enumerate(a) if e != 0]
4.69 ms ± 12.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit np.nonzero(a)[0]
5.74 ms ± 6.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

个数只影响第一个选项。 np.nonzero() 对于大量非零元素更好。如果长度小于 10000，则第一个选项更快。

【讨论】：