如何在Python中实现类似R的非连续切片列表子集提取？

你当前的方法可行，但Python有更符合风格的简洁实现方式，以下是几种等效方案：

1. 直接拼接切片（最直观的Pythonic写法） #

Python列表支持直接拼接多个切片，无需额外生成索引列表，这是最简洁的原生实现：

target_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
subset_list = target_list[:3] + target_list[4:7]
print(subset_list)  # Output: [1, 2, 3, 5, 6, 7]

其中[:3]对应索引0-2（前3个元素），[4:7]对应索引4-6（左闭右开规则，结束索引设为7才能包含索引6），用+直接拼接即可得到目标结果。

2. 使用itertools.chain（内存友好型） #

如果处理超大列表，不想生成中间切片占用内存，可以用itertools.chain惰性迭代合并切片：

from itertools import chain

target_list = [1, 2, 3, 4, 5, 6, 7, 8, 9]
subset_iter = chain(target_list[:3], target_list[4:7])
subset_list = list(subset_iter)
print(subset_list)  # Output: [1, 2, 3, 5, 6, 7]

这种方式不会一次性生成完整的切片列表，而是按需迭代元素，适合大数据量场景。

3. 借助NumPy（接近R语言语法） #

如果处理数值型列表，NumPy的索引机制和R高度相似，可直接传入多段索引组合：

import numpy as np

target_arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
subset_arr = target_arr[np.r_[:3, 4:7]]  # np.r_用于合并切片/索引
print(subset_arr.tolist())  # Output: [1, 2, 3, 5, 6, 7]

np.r_[:3, 4:7]会生成索引数组[0,1,2,4,5,6]，直接作为索引传入，逻辑和R中c(1:3,6:7)一致（注意Python/NumPy是0-based索引，R是1-based）。

技术见解 #

• Python原生列表没有R那样直接传入多段切片组合的语法，但切片拼接已经足够简洁，契合Python“显式优于隐式”的设计理念。
• 若追求和R完全一致的索引体验，NumPy是最优选择，它支持更灵活的多维/多段索引操作。
• 普通场景下，直接拼接切片的性能和可读性都是最优的，无需额外依赖库。

内容的提问来源于stack exchange，提问作者ciranzo