旧列表中新列表的索引定位答案

【问题标题】：Index targeting on new list from old list旧列表中新列表的索引定位
【发布时间】：2023-04-08 15:29:02
【问题描述】：

假设我有一个看起来像这样的列表：

x = [1, 0, 0, 1, 1, 1, 0, 0, 0, 0]

然后我有另一个列表，其中包含需要从列表 x 中删除的索引：

x_remove = [1, 4, 5]

然后我可以使用numpy 命令delete 将其从x 中删除并最终得到：

x_final = np.delete(x, x_remove)
>>> x_final = [0, 0, 1, 0, 0, 0, 0]

到目前为止一切顺利。现在我发现我不想使用整个列表 x，但可能从索引 2 开始。所以基本上：

x_new = x[2:]
>>> x_new = [0, 1, 1, 1, 0, 0, 0, 0]

然而，我仍然需要从x_remove 列表中删除索引，但是现在，正如您所看到的，索引的位置与以前不同，因此删除了错误的项目。如果我反过来（即首先删除索引，然后使用 slice 从索引 2 开始），也会发生同样的事情。所以基本上它会/应该看起来像：

x_new_final = [0, 1, 1, 0, 0]  (first use slice, and the remove list)
x_new_final_v2 = [1, 0, 0, 0, 0]  (first use remove list, and then slice)
x_new_final_correct_one = [0, 1, 0, 0, 0, 0]  (as it should be)

那么有什么方法可以让我从不同的索引开始我的列表（通过切片），并且仍然使用delete 命令删除与完整列表对应的正确索引？

【问题讨论】：

标签： python list numpy

【解决方案1】：

您可以根据切片位置更改 x_remove 列表。例如：

slice_location = 2
x = [1, 0, 0, 1, 1, 1, 0, 0, 0, 0]
x_remove = [1, 4, 5]

x_new=x[slice_location:]
x_remove = [x-slice_location for x in x_remove if x-slice_location>0]
x_new = np.delete(x, x_remove)

【讨论】：

【解决方案2】：

x = [1, 0, 0, 1, 1, 1, 0, 0, 0, 0]
x_remove = [1, 4, 5]

for index,value in enumerate(x):
    for remove_index in x_remove:
        if(index == remove_index-1):
            x[index] = ""

final_list = [final_value for final_value in x if(final_value != "")]
print(final_list)

试试这个简单的方法...

【讨论】：

【解决方案3】：

首先让我们探索一下简单移除的替代方案（没有这个起始位置问题的变化）：

首先创建一个具有唯一且易于识别的值的x：

In [787]: x = list(range(10))
In [788]: x
Out[788]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

一种列表理解方法 - 可能不是最快的，但相当清晰且无错误：

In [789]: [v for i,v in enumerate(x) if i not in x_remove]
Out[789]: [0, 2, 3, 6, 7, 8, 9]

您的np.delete 方法：

In [790]: np.delete(x, x_remove)
Out[790]: array([0, 2, 3, 6, 7, 8, 9])

将x 转换为数组有一个缺点，这不是一项简单的任务（时间方面）。它还创建了一个新数组。我的猜测是它更慢。

尝试就地移除：

In [791]: y=x[:]
In [792]: for i in x_remove:
     ...:     del y[i]
     ...:     
In [793]: y
Out[793]: [0, 2, 3, 4, 6, 8, 9]

哎呀——错了。我们需要从头开始（最大的索引）。这是一个众所周知的 Python '配方'：

In [794]: y=x[:]
In [795]: for i in x_remove[::-1]:
     ...:     del y[i]
     ...:     
     ...:     
In [796]: y
Out[796]: [0, 2, 3, 6, 7, 8, 9]

在幕后np.delete 采取蒙面方法：

In [797]: arr = np.array(x)
In [798]: arr
Out[798]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
In [799]: mask = np.ones(arr.shape, bool)
In [800]: mask[x_remove] = False
In [801]: mask
Out[801]: 
array([ True, False,  True,  True, False, False,  True,  True,  True,
        True])
In [802]: arr[mask]
Out[802]: array([0, 2, 3, 6, 7, 8, 9])

现在来解决将x_remove 应用于x 的切片的问题。 x的切片没有切片参数的记录。也就是说，您无法轻易确定 y = x[2:] 缺少两个值。（嗯，我可以通过比较x 和y 的一些属性来推断它，但不能仅从y 来推断）。

所以无论你如何删除，你都必须先调整x_remove的值。

In [803]: x2 = np.array(x_remove)-2
In [804]: x2
Out[804]: array([-1,  2,  3])
In [805]: [v for i,v in enumerate(x[2:]) if i not in x2]
Out[805]: [2, 3, 6, 7, 8, 9]

这没问题，但-1 可能是个问题。我们不希望它意味着the last element。所以我们必须首先过滤掉负面指标才能安全。

In [806]: np.delete(x[2:], x2)
/usr/local/bin/ipython3:1: FutureWarning: in the future negative indices will not be ignored by `numpy.delete`.
  #!/usr/bin/python3
Out[806]: array([2, 3, 6, 7, 8, 9])

如果delete 没有忽略负数索引，它可能会得到这样的掩码 - 最后是False：

In [808]: mask = np.ones(arr[2:].shape, bool)
In [809]: mask[x2] = False
In [810]: mask
Out[810]: array([ True,  True, False, False,  True,  True,  True, False])

【讨论】：