不要。如果您确实需要，请使用列表中的.index（item…）方法。然而，这需要线性的时间，如果你发现自己正在努力，你可能会滥用列表来做一些你不应该做的事情。

最有可能的是，您关心1）整数和项目之间的双向映射，或2）在已排序的项目列表中查找项目。

对于第一个，使用一对字典。如果您需要一个库来实现这一点，请使用双向库。

对于第二个，使用可以正确利用列表排序这一事实的方法。使用python中内置的平分模块。

如果您希望在排序列表中插入项目，也不应使用排序列表。使用内置的heapq模块或使用sortedcontainers库将已排序的需求弱化为堆。

使用一个不是为你想做的事情而设计的数据结构是不好的做法。使用一个与你给它的任务相匹配的数据结构，既会向读者传达你想做特定的事情，也会使你的解决方案在实践中更快/更具可扩展性。

大多数答案解释了如何找到一个索引，但如果项目多次出现在列表中，它们的方法不会返回多个索引。使用enumerate（）：

for i, j in enumerate(['foo', 'bar', 'baz']):
    if j == 'bar':
        print(i)

index（）函数只返回第一次出现的情况，而enumerate（）函数返回所有出现的情况。

作为列表理解：

[i for i, j in enumerate(['foo', 'bar', 'baz']) if j == 'bar']

这里还有另一个使用itertools.count（）的小解决方案（与enumerate方法几乎相同）：

from itertools import izip as zip, count # izip for maximum efficiency
[i for i, j in zip(count(), ['foo', 'bar', 'baz']) if j == 'bar']

对于较大的列表，这比使用enumerate（）更有效：

$ python -m timeit -s "from itertools import izip as zip, count" "[i for i, j in zip(count(), ['foo', 'bar', 'baz']*500) if j == 'bar']"
10000 loops, best of 3: 174 usec per loop
$ python -m timeit "[i for i, j in enumerate(['foo', 'bar', 'baz']*500) if j == 'bar']"
10000 loops, best of 3: 196 usec per loop

它只使用python函数array.index（）和简单的Try/Except，如果在列表中找到记录，则返回该记录的位置，如果没有在列表中发现，则返回-1（就像在JavaScript中使用函数indexOf（））。

fruits = ['apple', 'banana', 'cherry']

try:
  pos = fruits.index("mango")
except:
  pos = -1

在这种情况下，“mango”不在列表水果中，因此pos变量为-1，如果我搜索了“cherry”，pos变量将为2。

对于像我这样来自另一种语言的人来说，也许通过一个简单的循环，更容易理解和使用它：

mylist = ["foo", "bar", "baz", "bar"]
newlist = enumerate(mylist)
for index, item in newlist:
  if item == "bar":
    print(index, item)

我很感激，所以枚举到底做什么？。这帮助我理解了。

在查找列表中项目的索引时，列表理解将是获得紧凑实现的最佳选择。

a_list = ["a", "b", "a"]
print([index for (index , item) in enumerate(a_list) if item == "a"])

不要。如果您确实需要，请使用列表中的.index（item…）方法。然而，这需要线性的时间，如果你发现自己正在努力，你可能会滥用列表来做一些你不应该做的事情。

最有可能的是，您关心1）整数和项目之间的双向映射，或2）在已排序的项目列表中查找项目。

对于第一个，使用一对字典。如果您需要一个库来实现这一点，请使用双向库。

对于第二个，使用可以正确利用列表排序这一事实的方法。使用python中内置的平分模块。

如果您希望在排序列表中插入项目，也不应使用排序列表。使用内置的heapq模块或使用sortedcontainers库将已排序的需求弱化为堆。

使用一个不是为你想做的事情而设计的数据结构是不好的做法。使用一个与你给它的任务相匹配的数据结构，既会向读者传达你想做特定的事情，也会使你的解决方案在实践中更快/更具可扩展性。