我有两个 python 列表：
a = [('when', 3), ('why', 4), ('throw', 9), ('send', 15), ('you', 1)]
b = ['the', 'when', 'send', 'we', 'us']
我需要从a中过滤掉所有与b中相似的元素。就像在这种情况下，我应该得到：
c = [('why', 4), ('throw', 9), ('you', 1)]
什么应该是最有效的方法？
【问题讨论】：
列表推导会起作用。
a = [('when', 3), ('why', 4), ('throw', 9), ('send', 15), ('you', 1)]
b = ['the', 'when', 'send', 'we', 'us']
filtered = [i for i in a if not i[0] in b]
>>>print(filtered)
[('why', 4), ('throw', 9), ('you', 1)]
【讨论】：
in 运算符，您应该将b 转换为set。它将查找时间从线性更改为常量，当b 是一个长列表时，这将产生巨大的差异。所以，c = set(b)，然后是filtered = [i for i in a if not i[0] in c]。注意b 在最后一行变成了c。即使在这个包含 5 个项目的简短列表中，它也为我带来了 25% 的速度提升。使用更长的列表（b 中的 100 个项目），它可以提高 90% 的速度。
列表推导应该可以工作：
c = [item for item in a if item[0] not in b]
或者用字典理解：
d = dict(a)
c = {key: value for key in d.iteritems() if key not in b}
【讨论】：
{key: value for key, value in d.iteritems() if key not in b}吗？
in 很好，但您至少应该为b 使用集合。如果你有 numpy，你当然也可以试试np.in1d，但如果它更快与否，你应该试试。
# ruthless copy, but use the set...
b = set(b)
filtered = [i for i in a if not i[0] in b]
# with numpy (note if you create the array like this, you must already put
# the maximum string length, here 10), otherwise, just use an object array.
# its slower (likely not worth it), but safe.
a = np.array(a, dtype=[('key', 's10'), ('val', int)])
b = np.asarray(b)
mask = ~np.in1d(a['key'], b)
filtered = a[mask]
Set 也有 difference 等方法，这些方法在这里可能没用，但总的来说可能有用。
【讨论】：
in1d 比对较大数据集的列表理解要快 2 倍。
由于这是用 numpy 标记的，因此这是一个使用 numpy.in1d 的 numpy 解决方案，以列表理解为基准：
In [1]: a = [('when', 3), ('why', 4), ('throw', 9), ('send', 15), ('you', 1)]
In [2]: b = ['the', 'when', 'send', 'we', 'us']
In [3]: a_ar = np.array(a, dtype=[('string','|S5'), ('number',float)])
In [4]: b_ar = np.array(b)
In [5]: %timeit filtered = [i for i in a if not i[0] in b]
1000000 loops, best of 3: 778 ns per loop
In [6]: %timeit filtered = a_ar[-np.in1d(a_ar['string'], b_ar)]
10000 loops, best of 3: 31.4 us per loop
所以对于 5 条记录，列表理解更快。
但是对于大型数据集，numpy 解决方案的速度是列表理解的两倍：
In [7]: a = a * 1000
In [8]: a_ar = np.array(a, dtype=[('string','|S5'), ('number',float)])
In [9]: %timeit filtered = [i for i in a if not i[0] in b]
1000 loops, best of 3: 647 us per loop
In [10]: %timeit filtered = a_ar[-np.in1d(a_ar['string'], b_ar)]
1000 loops, best of 3: 302 us per loop
【讨论】：
试试这个：
a = [('when', 3), ('why', 4), ('throw', 9), ('send', 15), ('you', 1)]
b = ['the', 'when', 'send', 'we', 'us']
c=[]
for x in a:
if x[0] not in b:
c.append(x)
print c
【讨论】：
c包含b中not的东西
c++ 方式”，而不是“python 方式”;)
in 运算符。
简单的方法
a = [('when', 3), ('why', 4), ('throw', 9), ('send', 15), ('you', 1)]
b = ['the', 'when', 'send', 'we', 'us']
c=[] # a list to store the required tuples
#compare the first element of each tuple in with an element in b
for i in a:
if i[0] not in b:
c.append(i)
print(c)
【讨论】：
使用过滤器：
c = filter(lambda (x, y): False if x in b else True, a)
【讨论】：
False if .. else True 或True if ... else False，那你就错了
X in Y本身就是python中的布尔语句
False if ... else True 是不必要的复杂且难以阅读 - 只需执行 lambda (x, y): x not in b。此外，这会导致 Python 3 中的语法错误 - 您必须执行 lambda x: x[0] not in b，因为您使用的参数解包形式不再是该语言的一部分。
filter(lambda:... 天生难以阅读（相对于过滤理解）。大概，您更喜欢您的符号，因为它包含if。