从列表中删除出现在另一个列表中的元素并返回它们的索引

Question

这个list，例如：

my_list = ['a', 'd', 'a', 'd', 'c','e']
words_2_remove = ['a', 'c']

输出应该是：

my_list = ['d', 'd', 'e']
loc = [0, 2, 4]

我目前正在使用这个：

loc = []    
for word in my_list:  
    if word in words_2_remove:
         loc.append( my_list.index(word) )
         my_list.remove(word)

有更好的选择吗？

Answer 1

做两个列表理解：

my_list =['a', 'd', 'a', 'd', 'c','e']
words_2_remove = ['a', 'c']

loc = [i for i, x in enumerate(my_list) if x in words_2_remove]

my_list = [x for x in my_list if x not in words_2_remove]

print(my_list) # ['d', 'd', 'e']
print(loc)     # [0, 2, 4]

Answer 2

对于更大的数组，使用 NumPy 会更高效：

import numpy as np


my_list = np.array(['a', 'd', 'a', 'd', 'c','e'])
words_2_remove = np.array(['a', 'c'])

mask = np.isin(my_list, words_2_remove, invert=True)
# mask will be [False  True False  True False  True]
loc = np.where(~mask)[0]

print(loc)
>>> [0 2 4]

print(my_list[mask])
>>> ['d' 'd' 'e']

而且得到loc 索引的补码也很容易：

print(np.where(mask)[0])
>>> [1 3 5]

---

时间安排：
与@Austin 的列表推导版本比较。
对于原始数组：

my_list = np.array(['a', 'd', 'a', 'd', 'c','e'])
words_2_remove = np.array(['a', 'c'])

%%timeit
mask = np.isin(my_list, words_2_remove, invert=True)
loc = np.where(~mask)[0]
>>> 11 µs ± 53.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

my_list =['a', 'd', 'a', 'd', 'c','e']
words_2_remove = ['a', 'c']

%%timeit
loc = [i for i, x in enumerate(my_list) if x in words_2_remove]
res = [x for x in my_list if x not in words_2_remove]
>>> 1.31 µs ± 7.17 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

对于大数组：

n = 10 ** 3
my_list = np.array(['a', 'd', 'a', 'd', 'c','e'] * n)
words_2_remove = np.array(['a', 'c'])

%%timeit
mask = np.isin(my_list, words_2_remove, invert=True)
loc = np.where(~mask)[0]
>>> 114 µs ± 906 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

my_list =['a', 'd', 'a', 'd', 'c','e'] * n
words_2_remove = ['a', 'c']

%%timeit
loc = [i for i, x in enumerate(my_list) if x in words_2_remove]
res = [x for x in my_list if x not in words_2_remove]
>>> 841 µs ± 677 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)

根据用例，您可以选择更适合的。

---

延伸阅读：

np.isin 上的文档：https://docs.scipy.org/doc/numpy-1.15.1/reference/generated/numpy.isin.html
将布尔掩码数组转换为索引：How to turn a boolean array into index array in numpy
np.where 上的文档：https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.where.html
有关使用 NumPy 进行索引的更多信息：https://docs.scipy.org/doc/numpy-1.15.1/reference/arrays.indexing.html

Answer 3

使用列表推导和枚举

loc = [idx for idx, item in enumerate(my_list) if item in words_2_remove]
my_list = [i for i in my_list if i not in words_2_remove]

或者使用过滤器：

my_list = list(filter(lambda x: x not in words_2_remove, my_list))

扩展解释：

loc = []
new_my_list = []
for idx, item in enumerate(my_list):
    if item in words_2_remove:
        loc.append(idx)
    else:
        new_my_list.append(item)