如何高效过滤嵌套列表中包含特定值的子列表？

首先得明确：所有过滤操作本质上都离不开遍历（循环）——不管是显式写for循环，还是用内置函数、库方法，底层都是在做循环，只是有些是Python层面的显式循环，有些是底层C实现的隐式循环，后者效率更高。

下面是几种高效的实现方式：

1. 列表推导式（推荐，简洁且高效） #

列表推导式是Python针对这类场景优化后的语法，比手动写for+append的显式循环快很多，是日常开发的首选：

• 如果确定'B'在子列表/元组的第一个位置（像你的示例那样）：

  my_list = [['A', 7462], ['B', 8361], ['C', 3713]]
  filtered = [sub for sub in my_list if sub[0] != 'B']
  

• 如果'B'可能出现在子元素的任意位置：

  filtered = [sub for sub in my_list if 'B' not in sub]
  

  （注：如果子元素长度很长，'B' not in sub会遍历子元素，这种情况下最好能确定'B'的位置，用索引判断更高效）

2. 内置filter()函数（底层C实现，适合极简场景） #

filter()是Python内置的过滤函数，底层用C实现，比纯Python显式循环高效。搭配lambda表达式使用：

• 确定'B'在第一个位置：

  filtered = list(filter(lambda x: x[0] != 'B', my_list))
  

• 不确定位置：

  filtered = list(filter(lambda x: 'B' not in x, my_list))
  

  注意：filter()返回的是迭代器，需要用list()转成列表；如果是处理元组，最后用tuple()转换即可。

3. 大规模数据用numpy（向量化操作提速） #

如果你的数据量极大（比如百万级以上），可以用numpy的向量化操作，底层C优化能带来显著的效率提升：

import numpy as np

# 转成numpy数组（dtype=object适配混合类型）
arr = np.array(my_list, dtype=object)
# 生成过滤掩码（假设'B'在第一个位置）
mask = arr[:, 0] != 'B'
# 过滤后转回列表
filtered = arr[mask].tolist()

误区澄清 #

你觉得列表推导式效率极低是误解——它其实是Python中处理这类场景的高效方案之一，比手动写for循环逐个判断再append要快得多，因为它是底层优化过的语法糖。

内容的提问来源于stack exchange，提问作者Lev Slinsen