对于任何有潜力做大的东西，我使用以下方法。

import numpy as np

orig_list = np.array([1, 2, 3, 4, 5, 100, 8, 13])

remove_me = [100, 1]

cleaned = np.delete(orig_list, remove_me)
print(cleaned)

这应该比其他任何东西都快得多。

建议列表推导的答案几乎是正确的，除了它们构建了一个全新的列表，然后给它一个与旧列表相同的名称，它们没有在适当的地方修改旧列表。这与Lennart建议的选择性删除不同——它更快，但如果您的列表是通过多个引用访问的，那么您只是重新设置了其中一个引用，而没有更改列表对象本身，这可能会导致微妙的、灾难性的错误。

幸运的是，它非常容易获得列表推导式的速度和所需的就地更改的语义——只是代码:

somelist[:] = [tup for tup in somelist if determine(tup)]

请注意与其他答案的细微区别:这个答案没有分配给一个裸名。它赋值给一个列表切片，恰好是整个列表，因此替换了同一Python列表对象中的列表内容，而不是像其他答案一样只是重新设置一个引用(从以前的列表对象到新的列表对象)。

如果稍后将使用新列表，可以简单地将elem设置为None，然后在后面的循环中判断它，如下所示

for i in li:
    i = None

for elem in li:
    if elem is None:
        continue

这样，你就不需要复制列表，而且更容易理解。

如果您想在迭代期间做其他事情，那么最好同时获得索引(这保证您能够引用它，例如，如果您有一个字典列表)和实际的列表项内容。

inlist = [{'field1':10, 'field2':20}, {'field1':30, 'field2':15}]    
for idx, i in enumerate(inlist):
    do some stuff with i['field1']
    if somecondition:
        xlist.append(idx)
for i in reversed(xlist): del inlist[i]

Enumerate使您可以同时访问项和索引。反向是为了以后你要删除的索引不会改变。

对于任何有潜力做大的东西，我使用以下方法。

import numpy as np

orig_list = np.array([1, 2, 3, 4, 5, 100, 8, 13])

remove_me = [100, 1]

cleaned = np.delete(orig_list, remove_me)
print(cleaned)

这应该比其他任何东西都快得多。

这里的大多数答案都要求您创建列表的副本。我有一个用例，其中列表相当长(110K项)，明智的做法是继续减少列表。

首先，你需要用while循环替换foreach循环，

i = 0
while i < len(somelist):
    if determine(somelist[i]):
         del somelist[i]
    else:
        i += 1

i的值在if块中没有改变，因为一旦旧项被删除，您将希望从SAME INDEX中获得新项的值。