遍历布尔列表生成累计递增整数列表的高效实现方法

需求说明：
输入布尔列表：

bool_list = [False, False, True, False, False, True, False, True, True, False]

转换规则：遍历列表过程中每遇到值为True的元素，累计计数器加1，每个位置的输出值等于当前的累计计数值，目标输出为：

int_li = [0, 0, 1, 1, 1, 2, 2, 3, 4, 4]

各场景高效实现方案 #

Python中布尔类型是整数的子类，True等价于整数1、False等价于整数0，这个转换本质就是对列表做前缀累计求和，不需要写复杂判断，以下是不同场景下的高效写法：

• 无依赖最高速实现：itertools.accumulate
  这是标准库提供的C层实现，没有Python层面的循环开销，处理任意规模的纯Python列表速度都属于第一梯队，不需要额外安装第三方依赖：

  import itertools
  int_li = list(itertools.accumulate(bool_list))
  

  运行结果和目标完全一致，处理百万级元素列表的速度比普通Python循环快2~3倍。

• 无依赖次优实现：预分配列表+手动计数
  如果不想导入itertools，可以预分配固定长度的列表，避免动态append触发的列表扩容开销，直接累加布尔值还能省掉分支判断，速度接近C实现：

  int_li = [0] * len(bool_list)
  count = 0
  for idx, val in enumerate(bool_list):
      count += val
      int_li[idx] = count
  

• 超大规模数据实现：NumPy向量化计算
  如果处理十万级以上的超大数据集，且本身已经在用NumPy做数据处理，可以直接用NumPy的累计和方法，向量化运算的速度比itertools更快，适合批量数据处理场景：

  import numpy as np
  int_li = np.cumsum(bool_list).tolist()
  

  如果列表规模很小不推荐用这个方法，导入NumPy的固定开销会盖过速度优势。

• 最易读的基础实现（小列表够用）
  如果列表长度在千级元素以内，用最直白的分支判断写法完全够用，逻辑没有门槛，新手也能一眼看懂：

  count = 0
  int_li = []
  for val in bool_list:
      if val:
          count += 1
      int_li.append(count)
  

  这个写法的缺点是存在分支判断开销、列表动态扩容会拖慢速度，不适合处理大列表。

内容的提问来源于stack exchange，提问作者Miguel Paulino