如何在Python中批量查找列表中多个目标值的索引

针对你的需求，这里有几种实用的实现方式，可根据数据特性选择：

方法1：构建值-索引映射字典（最快，适合元素唯一的场景） #

如果大列表（代码中用big_list代替你示例里的list，避免和内置关键字冲突）的元素唯一且无精度问题，可以先把大列表的元素与对应索引做成字典，之后直接通过目标值取索引，效率最高：

# 构建值到索引的映射
value_to_index = {val: idx for idx, val in enumerate(big_list)}
# 遍历目标值列表获取索引
output_index = [value_to_index[val] for val in target_values]

浮点数精度处理 #

如果是浮点数，直接字典匹配可能因精度误差失败（比如0.001实际存储为0.0010000000001），可以先对数值做四舍五入处理：

# 保留足够位数的小数，比如3位
value_to_index = {round(val, 3): idx for idx, val in enumerate(big_list)}
output_index = [value_to_index[round(val, 3)] for val in target_values]

方法2：直接遍历查找（简单直观，适合小数据量） #

如果数据量不大，直接用列表的index()方法逐个查找，代码最简洁：

output_index = []
for val in target_values:
    # 必要时用round处理浮点数精度
    idx = big_list.index(round(val, 3))
    output_index.append(idx)

缺点是每次index()都会遍历整个大列表，数据量大时效率偏低。

方法3：二分查找（适合有序列表，效率更高） #

从你的示例看，大列表是递增有序的，这种情况用bisect模块做二分查找，时间复杂度为O(logn)，比线性查找快很多：

import bisect

output_index = []
for val in target_values:
    # bisect_left定位第一个等于val的位置
    idx = bisect.bisect_left(big_list, val)
    # 通过误差阈值验证匹配结果，处理浮点数精度
    if idx < len(big_list) and abs(big_list[idx] - val) < 1e-6:
        output_index.append(idx)
    else:
        # 处理找不到目标值的情况，可根据需求调整
        raise ValueError(f"值 {val} 未在big_list中找到")

这种方法尤其适合超大列表场景，容错性更强。

内容的提问来源于stack exchange，提问作者Rasoul Sadeghi