从 python 的列表列表中过滤掉一个列表

Question

我是 python 的新手，我正在尝试将列表的元素与列表的元素进行比较。

我有一个列表和一个列表列表，其中包含相同课程的不同组合（每个列表都是不同的拓扑排序）

在某些情况下list_of_lists是巨大的。 我想要做的是将courses_taken列表与list_of_lists进行比较，并获取每个列表的非常见元素，例如：

# the small list:
courses_taken = ['CS350','CS450']

# a list of lists:
list_of_lists =[['CS450', 'CS350', 'CS300', 'CS206', 'CS306'], ['CS450', 'CS350', 'CS206', 'CS306', 'CS300'], ['CS450', 'CS350', 'CS206', 'CS300', 'CS306'],...]

# the result:
result = [['CS300', 'CS206', 'CS306'], ['CS206', 'CS306', 'CS300'], [ 'CS206', 'CS300', 'CS306']]

从我所做的研究中，我发现只有将 course_taken 与子列表而不是每个特定元素进行比较的方法，才能返回不常见的元素。 此外，我找到了比较 2 个列表的方法，但相同的代码不适用于这种情况。

Answer 1

您可以使用courses_taken创建一个set以加快操作速度 - 如果所学的课程很长in这将很重要。

然后只需遍历您的列表列表并构建一个新列表来检查集合包含。

>>> ctset = set(courses_taken)
>>> result = [[item for item in li if item not in ctset] for li in list_of_lists]
>>>
>>> # Or if it really matters, it can be a one-liner.
>>> result = [[item for item in li if item not in set(courses_taken)] for li in list_of_lists]

为了演示检查组成员list与检查set之间的区别，我们可以设置几个 timeit 测试。

>>> from random import randint
>>> import timeit
>>> 
>>> li = list(range(5000))
>>> se = set(li)
>>> 
>>> timeit.timeit("randint(0, 5000) in li", globals=globals(), number=10**6)
33.735417196992785
>>> timeit.timeit("randint(0, 5000) in se", globals=globals(), number=10**6)
1.196909729973413
>>> 

在这种情况下，集合操作的速度提高了 30 倍以上。

这演示了对两种不同数据类型的操作的时间复杂性发挥作用的情况。 检查一个set的组成员身份是一个 O(1) 操作，其中它是一个 O(n) 操作的列表。

此测试中的操作数量相当多，但可以与某些应用程序相媲美。 我有一个组合问题的解决方案，该问题涉及大量的组成员资格检查，在我将列表更改为集合之前非常缓慢。 所以这确实转化为实际应用程序的性能。

如果您对其他数据类型的操作感到好奇，可以查看此参考： https://wiki.python.org/moin/TimeComplexity

Answer 2

真正简单的列表理解将是：

>>> result = [[x for x in group if x not in courses_taken] for group in list_of_lists]
>>> # output: [['CS300', 'CS206', 'CS306'], ['CS206', 'CS306', 'CS300'], ['CS206', 'CS300', 'CS306']]