Python 改变列表中的元素

我有一个布尔值列表，偶尔我会将它们全部重置为false。在首次将重置写入以下内容后：

for b in bool_list:
    b = False

我发现它不起作用。我花了一点时间挠头，然后想起它当然不会起作用，因为我只是改变了对bool的引用，而不是它的值。所以我重写为：

for i in xrange(len(bool_list)):
    bool_list[i] = False

---

一切正常。但我发现自己在问，“这真的是改变列表中所有元素的最具实用性的方法吗？”还有其他更有效或更清晰的方法吗？

如果您只对列表进行了一次引用，以下方法可能更简单：

bool_list = [False] * len(bool_list)

这将创建一个新列表，其中填充了

False

元素

---

请参阅我对的回答以了解类似的示例。

我不会使用范围和长度。使用enumerate（）要干净得多

---

在这种情况下，它留下了一个未使用的变量，但在我看来，它仍然看起来更干净。性能也没有明显的变化。

对于int、bool和string等值类型，您的第二个示例非常漂亮。您的第一个示例适用于任何引用类型，如类、dict或其他列表。

如果您愿意使用数组，那么使用数组切片实际上很容易做到这一点

import numpy

bool_list = numpy.zeros((100,), dtype=numpy.bool)

# do something interesting with bool_list as if it were a normal list

bool_list[:] = False
# all elements have been reset to False now

---

以下是另一个版本：

bool_list = [False for item in bool_list]

我想

bool_list = [False for element in bool_list]

就像它得到的一样。在python中使用这样的列表通常也应该比使用for循环更快

bool_list[:] = [False] * len(bool_list)

或

摘要 就性能而言，numpy或列表乘法显然是赢家，因为它们比其他方法快10-20倍

我对提出的各种选项进行了一些性能测试。我在Linux（Ubuntu 8.10）上使用了Python2.5.2和1.5GHz的奔腾M

原件：

python timeit.py -s 'bool_list = [True] * 1000' 'for x in xrange(len(bool_list)): bool_list[x] = False'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = [False for element in bool_list]'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = (False for element in bool_list)'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = [False] * len(bool_list)'

1000个循环，最好为3:280 usec/循环

基于切片的列表替换：

python timeit.py -s 'bool_list = [True] * 1000' 'for x in xrange(len(bool_list)): bool_list[x] = False'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = [False for element in bool_list]'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = (False for element in bool_list)'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = [False] * len(bool_list)'

1000个循环，最好3个：每个循环215 usec

使用生成器进行基于切片的替换：

python timeit.py -s 'bool_list = [True] * 1000' 'for x in xrange(len(bool_list)): bool_list[x] = False'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = [False for element in bool_list]'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = (False for element in bool_list)'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = [False] * len(bool_list)'

1000个循环，最好3个：每个循环265 usec

枚举：

python timeit.py -s 'bool_list = [True] * 1000' 'for i, v in enumerate(bool_list): bool_list[i] = False'

python timeit.py -s 'import numpy' -s 'bool_list = numpy.zeros((1000,), dtype=numpy.bool)' 'bool_list[:] = False'

1000个循环，最好为3:385 usec/循环

Numpy：

python timeit.py -s 'bool_list = [True] * 1000' 'for i, v in enumerate(bool_list): bool_list[i] = False'

python timeit.py -s 'import numpy' -s 'bool_list = numpy.zeros((1000,), dtype=numpy.bool)' 'bool_list[:] = False'

10000个循环，最好3个：每个循环15.9 usec

基于切片的列表乘法替换：

python timeit.py -s 'bool_list = [True] * 1000' 'for x in xrange(len(bool_list)): bool_list[x] = False'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = [False for element in bool_list]'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = (False for element in bool_list)'

python timeit.py -s 'bool_list = [True] * 1000' 'bool_list[:] = [False] * len(bool_list)'

10000个循环，最好3个：每个循环23.3 usec

引用替换为列表乘法

 python timeit.py -s 'bool_list = [True] * 1000' 'bool_list = [False] * len(bool_list)'

---

10000个循环，每个循环3:11.3 usec的最佳值

被否决，因为他表示需要在现有列表中执行操作。被否决是因为“现有列表”可以通过赋值语句轻松地替换为新列表。此外，如果你想更改现有列表，可以将其更改为bool_list[：]=[False]*len（bool_list）如果这是一个非常大的列表，那么这段代码可能不好，因为您实际上是在制作列表的两个副本。但它应该在95%的情况下都能工作，这并不是很像蟒蛇。布尔值列表有什么珍贵之处，以至于你无法重建它？您能提供更多的上下文吗？在本例中，没有任何东西禁止重建列表。只有在您不尝试更改列表中包含的项时，第一个示例才会“起作用”。如果你在a:x.foo（）中为x做，那当然没关系。然而，如果a是一个dict列表，那么对于a:x={}中的x，由于与原始问题相同的原因，它并没有达到预期的效果。您甚至不需要v变量，这是过度复杂的明确指标。简单的列表理解就能完成任务。为了看起来更好，我还是会投赞成票。速度上没有明显的差别。一个虚拟变量是值得的。我想这可以归结为个人品味的有效性，在所有单独的集合项目中都是如此。为什么要重复前面的答案呢？为什么不投另一个答案？我不确定这个答案有什么不同之处。也许我遗漏了什么。你能修改或扩大你的答案来强调这些独特的信息吗？我很高兴我能给他们时间安排。到目前为止，我一直认为列表乘法很简洁，但可能很慢。这是一个很好的总结！你应该把这个标记为答案。我不知道numpy跑得那么快。之所以选择它，是因为这种风格的效果是明确的，不受列表中只有一个引用的限制，并且顶级的性能非常出色。