獲取 boolean 列表中真值的索引

Question

我有一段代碼，我應該在其中創建一個總機。 我想返回所有打開的開關的列表。 這里“on”將等於True ，“off”等於False 。 所以現在我只想返回所有True值及其 position 的列表。這就是我所擁有的，但它只返回第一次出現True的 position（這只是我的代碼的一部分）：

self.states = [False, False, False, False, True, True, False, True, False, False, False, False, False, False, False, False]

def which_switch(self):
    x = [self.states.index(i) for i in self.states if i == True]

這只返回“4”

Answer 1

使用enumerate ， list.index返回找到的第一個匹配項的索引。

>>> t = [False, False, False, False, True, True, False, True, False, False, False, False, False, False, False, False]
>>> [i for i, x in enumerate(t) if x]
[4, 5, 7]

對於巨大的列表，最好使用itertools.compress ：

>>> from itertools import compress
>>> list(compress(xrange(len(t)), t))
[4, 5, 7]
>>> t = t*1000
>>> %timeit [i for i, x in enumerate(t) if x]
100 loops, best of 3: 2.55 ms per loop
>>> %timeit list(compress(xrange(len(t)), t))
1000 loops, best of 3: 696 µs per loop

Answer 2

如果你有 numpy 可用：

>>> import numpy as np
>>> states = [False, False, False, False, True, True, False, True, False, False, False, False, False, False, False, False]
>>> np.where(states)[0]
array([4, 5, 7])

Answer 3

TL; DR ：使用np.where因為它是最快的選擇。 您的選項是np.where 、 itertools.compress和list comprehension 。

請參閱下面的詳細比較，從中可以看出np.where性能優於itertools.compress和list comprehension 。

>>> from itertools import compress
>>> import numpy as np
>>> t = [False, False, False, False, True, True, False, True, False, False, False, False, False, False, False, False]`
>>> t = 1000*t

• 方法 1：使用list comprehension

>>> %timeit [i for i, x in enumerate(t) if x]
457 µs ± 1.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

• 方法二：使用itertools.compress

>>> %timeit list(compress(range(len(t)), t))
210 µs ± 704 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)

• 方法 3（最快的方法）：使用numpy.where

>>> %timeit np.where(t)
179 µs ± 593 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Answer 4

您可以使用過濾器：

filter(lambda x: self.states[x], range(len(self.states)))

此處的range枚舉列表中的元素，因為我們只需要self.states為True元素，因此我們正在根據此條件應用過濾器。

對於 Python > 3.0：

list(filter(lambda x: self.states[x], range(len(self.states))))

Answer 5

使用字典理解方式，

x = {k:v for k,v in enumerate(states) if v == True}

輸入：

states = [False, False, False, False, True, True, False, True, False, False, False, False, False, False, False, False]

輸出：

{4: True, 5: True, 7: True}

Answer 6

使用逐元素乘法和一個集合：

>>> states = [False, False, False, False, True, True, False, True, False, False, False, False, False, False, False, False]
>>> set(multiply(states,range(1,len(states)+1))-1).difference({-1})

輸出： {4, 5, 7}

Answer 7

只需這樣做：

def which_index(self):
    return [
        i for i in range(len(self.states))
        if self.states[i] == True
    ]

Answer 8

與@meysham answer相比，我得到了不同的基准測試結果。 在此測試中，壓縮似乎是最快的（python 3.7）。

from itertools import compress
import numpy as np

t = [True, False, False, False, False, True, True, False, True, False, False, False, False, False, False, False, False]

%timeit [i for i, x in enumerate(t) if x]
%timeit list(compress(range(len(t)), t))
%timeit list(filter(lambda x: t[x], range(len(t))))
%timeit np.where(t)[0]

# 2.54 µs ± 400 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
# 2.67 µs ± 600 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
# 6.22 µs ± 624 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
# 6.52 µs ± 768 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

t = 1000*t
%timeit [i for i, x in enumerate(t) if x]
%timeit list(compress(range(len(t)), t))
%timeit list(filter(lambda x: t[x], range(len(t))))
%timeit np.where(t)[0]

# 1.68 ms ± 112 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
# 947 µs ± 105 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
# 3.96 ms ± 97 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
# 2.14 ms ± 45.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 9

您可以使用帶方括號的 boolean 掩碼數組進行過濾，它比np.where更快

>>> states = [True, False, False, True]
>>> np.arange(len(states))[states]
array([0, 3])

>>> size = 1_000_000
>>> states = np.arange(size) % 2 == 0
>>> states 
array([ True, False,  True, ..., False,  True, False])
>>> true_index = np.arange(size)[states]
>>> len(true_index)
500000
>>> true_index
array([     0,      2,      4, ..., 999994, 999996, 999998])

Answer 10

index_of_element=list_name.index(True)