这就是什么算子。Itemgetter是for。

>>> a = [(1, u'abc'), (2, u'def')]
>>> import operator
>>> b = map(operator.itemgetter(0), a)
>>> b
[1, 2]

itemgetter语句返回一个函数，该函数返回您指定的索引处的元素。这和写作完全一样

>>> b = map(lambda x: x[0], a)

但我发现itemgetter更清晰、更明确。

这对于创建紧凑排序语句很方便。例如,

>>> c = sorted(a, key=operator.itemgetter(0), reverse=True)
>>> c
[(2, u'def'), (1, u'abc')]

你可以使用“元组解包”:

>>> my_list = [(1, 'abc'), (2, 'def')]
>>> my_ids = [idx for idx, val in my_list]
>>> my_ids
[1, 2]

在迭代时，每个元组被解包，其值被设置为变量idx和val。

>>> x = (1, 'abc')
>>> idx, val = x
>>> idx
1
>>> val
'abc'

>>> a = [(1, u'abc'), (2, u'def')]
>>> [i[0] for i in a]
[1, 2]

我想知道为什么没有人建议使用numpy，但现在检查后我明白了。对于混合类型数组，它可能不是最好的。

这将是numpy中的一个解决方案:

>>> import numpy as np

>>> a = np.asarray([(1, u'abc'), (2, u'def')])
>>> a[:, 0].astype(int).tolist()
[1, 2]

我更喜欢这样拉:

>>> lst = [(1, u'abc'), (2, u'def')]
>>> new, _ = zip(*lst)
>>> new
(1, 2)
>>> 

或者如果你不知道有多少额外的值

>>> new, *_ = zip(*lst)
>>> new
(1, 2)
>>> 

从性能的角度来看，在python3中。X

[i[0] for i in a]和list(zip(*a))[0]等价 它们比list(map(operator.itemgetter(0)， a))更快

Code

import timeit


iterations = 100000
init_time = timeit.timeit('''a = [(i, u'abc') for i in range(1000)]''', number=iterations)/iterations
print(timeit.timeit('''a = [(i, u'abc') for i in range(1000)]\nb = [i[0] for i in a]''', number=iterations)/iterations - init_time)
print(timeit.timeit('''a = [(i, u'abc') for i in range(1000)]\nb = list(zip(*a))[0]''', number=iterations)/iterations - init_time)

输出

3.491014136001468 e-05

3.422205176000717 e-05