Python 3.7+如何将列表转换为连续相同元素的索引分组列表？

DevOps 小满

2026-8-15

解决方案

需求是将列表中连续相同元素的索引按组收集，每组对应一段连续相同元素的索引列表，同时要保证方法能高效处理百万级（10^6）元素的列表。以下是两种高效实现方式：

方法一：使用`itertools.groupby`（简洁高效）

利用Python标准库的itertools.groupby结合enumerate，通过C实现的内置函数保证处理速度：

from itertools import groupby

def F(a):
    result = []
    # 按元素分组，每组是连续相同元素的(索引, 元素)对
    for _, group in groupby(enumerate(a), key=lambda x: x[1]):
        # 提取每组的索引并加入结果
        result.append([idx for idx, _ in group])
    return result

测试验证：

a = ["a","b","c","c","a","a","a"]
print(F(a))  # 输出: [[0], [1], [2, 3], [4, 5, 6]]

该方法时间复杂度为O(n)，每个元素仅遍历一次，内存占用可控，适合处理百万级数据。

方法二：手动遍历（无依赖，性能优异）

纯Python循环实现，避免模块导入，在某些场景下性能略优于groupby：

def F(a):
    if not a:
        return []
    result = []
    current_val = a[0]
    current_indices = [0]
    # 从第二个元素开始遍历
    for idx in range(1, len(a)):
        if a[idx] == current_val:
            current_indices.append(idx)
        else:
            # 当前组结束，加入结果并初始化新组
            result.append(current_indices)
            current_val = a[idx]
            current_indices = [idx]
    # 加入最后一组数据
    result.append(current_indices)
    return result

同样测试验证后输出符合预期，该方法同样是O(n)时间复杂度，内存仅维护当前组的索引列表，处理百万级元素时内存压力极小。