从列表python的末尾删除连续出现的事件

Question

我有一个 numpy 数组：

ar = np.array([True, False, True, True, True])

如果最后一个元素为真，我想删除数组末尾所有连续的真元素。比如

magic_func(ar) => [True, False]

如果ar = [True, False, True, False, True]。那么

magic_func(ar) => [True, False, True, False]

如果ar = [True, False, False]，函数什么也不做，因为最后一个元素是False

python 中是否有一个单行来执行此操作？使用 numpy 库或其他东西

Answer 1

写一个省时的单行字不是那么容易，但这里是基于 askewchan 删除的答案的代码：

argmin = ar[::-1].argmin()
result = np.array([], dtype=bool) if ar[argmin] else ar[:len(ar)-argmin]

对于ar = np.full(1000000, True, dtype=bool)，这比 Jaime 基于 Numpy 的解决方案的速度快两倍以上，然后：

• ar[-10] = False,
• 或ar[10] = False

（这是代表最好和最坏情况的两种情况）。但是，就像在 Jaime 的解决方案中一样，查找最后一个 False 的位置会使 NumPy (1.8.1) 通过 whole 数组，这是低效的。然而，原则上，Numpy 不必对 argmin() 执行此操作，因为它可以在遇到第一个 False 时停止。

在我看来，这就像使用 Numpy 中最好的 来执行剪切 给出最终数组的解决方案。原则上，NumPy 也可以非常有效地找到剪切位置。

Answer 2

这里几乎是单行的（结果不为空的情况下一行），应该很快（只看必要的元素）：

def magic_func(arr):
    try:       
        # The first element starting from the end which differs from the last one sets the limit:
        return arr[:next(index for index in xrange(len(arr)-1, -1, -1) if arr[index] == False)+1]
    except StopIteration:
        return numpy.empty_like(arr)

next() 只返回第一个元素的索引，即False。最后的+1 用于将其包含在结果中。 StopIteration 适用于所有元素都为 True 的情况。

一个真正的单线，它有点慢（对产生 true 的索引的附加测试是所有元​​素不是 False）是：

ar[:next(index for index in xrange(len(ar)-1, -2, -1) if index == -1 or ar[index] == False)+1]

它相对清晰：潜在的最后一个元素的索引被扫描，从结尾到开头，如果没有找到 False 或者一旦找到，我们就会停止。

请注意，此解决方案的缺点是在不使用 Numpy 的情况下循环遍历原始数组（如果数组末尾有许多 True 值，这不好）。与许多其他解决方案相比，它有几个优点：

• 扫描的唯一元素是必要的元素（无需在找到第一个 False 之前查看）——但同样，这是使用较慢（非 Numpy）的方法完成的。李>
• 结果是通过 Numpy 切片获得的，快速。

因此，当数组末尾的 True 值数量较少时，此解决方案非常快。

Answer 3

这对我来说有点太神奇了，但它看起来确实很好用：

>>> ar = np.array([True, False, True, True, True])
>>> ar[np.bitwise_or.accumulate(~ar[::-1])[::-1]]
array([ True, False], dtype=bool)

要了解发生了什么，首先我们对数组求反，将Trues 转换为Falses，反之亦然，然后我们颠倒顺序，然后我们累积对数组进行 OR 运算的结果：这将是False 直到第一个 True，之后将保持 True。反转这个数组，我们有一个布尔索引数组，它将去掉所有尾随的Trues。

Answer 4

像这样使用itertools.dropwhile 和np.fromiter。

from itertools import dropwhile
np.fromiter(dropwhile(lambda x: x, ar[::-1]), dtype=bool)[::-1]

编辑

这是更快的方法。（只需使用itertools.takewhile）

from itertools import takewhile
ar[:-sum(1 for i in takewhile(lambda x: x, reversed(ar)))]

时间：

ar = np.array([True, False, True, True, True])

#mine
%timeit ar[:-sum(1 for i in takewhile(lambda x: x, reversed(ar)))]
1000000 loops, best of 3: 1.84 us per loop

#mine
%timeit np.fromiter(dropwhile(lambda x: x, ar[::-1]), dtype=bool)[::-1]
100000 loops, best of 3: 2.93 us per loop

#@Jaime
%timeit ar[np.bitwise_or.accumulate(~ar[::-1])[::-1]]
100000 loops, best of 3: 3.63 us per loop

#@askewchan
%timeit ar[:len(ar)-np.argmin(ar[::-1])]
100000 loops, best of 3: 6.24 us per loop

#@xbb
%timeit ar[:len(ar)-np.where(ar[::-1]==False)[0][0]] if np.where(ar[::-1]==False)[0].size>0 else ar[:0]
100000 loops, best of 3: 7.61 us per loop

PS：

这是没有魔法的功能。

def no_magic_func(ar):
    for i in xrange(ar.size-1, -1, -1):
        if not ar[i]:
            return ar[:i+1]
    return ar[0:0]

时间：

ar = np.array([True, False, True, True, True])

%timeit no_magic_func(ar)
1000000 loops, best of 3: 954 ns per loop

Answer 5

编辑：更新实现以处理 numpy 数组中缺少 .pop()

def chop_array(ar, condition):
    i = len(ar)
    while (ar[i - 1] == condition and i > 0):
        i = i - 1
    return ar[0:i]

chop_array([True, False, True, False, True], True)

Answer 6

这一行功能应该可以工作，但看起来很讨厌，可能效率不高，哈哈。基本上想法是找到最正确的False并返回False之前的所有值

def magic_func(a):
    return a[:len(a)-np.where(a[::-1]==False)[0][0]] if np.where(a[::-1]==False)[0].size>0 else a[:0]

>>> a = np.array([False, True, True, True, True])
>>> magic_func(a)
array([False], dtype=bool)