如何高效从列表中提取每第n组m个元素？

这个需求在批量数据处理里挺常见的，咱们先把需求拆解清楚：就拿你给的例子来说，列表是[1,2,3,4,5,6,7,8,9,10,...]，要每间隔3组（每组2个元素）取一组，也就是取第1组（1,2）、第4组（7,8）、第7组（13,14）……最终得到目标列表。

下面我给你几种不同场景下的高效实现方法，你可以根据自己的列表规模和需求来选：

1. 列表推导式：简洁直观，适合中小规模列表 #

如果你的列表不是特别大，用列表推导式写起来最清爽，一行就能搞定：

# 定义参数
lst = list(range(1, 20))  # 示例列表
m = 2  # 每组元素个数
n = 3  # 每间隔n组取一次（即取第1、1+n、1+2n...组）

# 核心逻辑
result = [
    elem
    for group_idx in range(0, len(lst) // m + 1, n)
    for elem in lst[group_idx * m : group_idx * m + m]
]

print(result)  # 输出: [1, 2, 7, 8, 13, 14, 19]

这个方法的思路是：

• 先按每组m个元素把列表分组，计算每个目标组的索引（从0开始，步长为n）
• 对每个目标组，提取对应的元素并平铺到结果列表里
• 自动处理列表长度不是m整数倍的边界情况（比如最后一组只有1个元素19）

2. 生成器函数：内存友好，适合超大列表/无限序列 #

如果你的列表特别大（比如百万级元素），或者是无限迭代器（比如实时生成的数据），用生成器函数能避免一次性加载所有元素到内存，内存占用极低：

def extract_target_elements(lst, m, n):
    group_count = len(lst) // m
    # 遍历所有目标组的索引
    for group_idx in range(0, group_count + 1, n):
        start = group_idx * m
        end = start + m
        # 逐个yield元素，不占用额外内存
        yield from lst[start:end]

# 调用示例
lst = list(range(1, 1000000))
gen = extract_target_elements(lst, 2, 3)
# 可以逐个取元素，或者转成列表（如果内存允许）
print(next(gen))  # 1
print(next(gen))  # 2
print(next(gen))  # 7

3. 用itertools：优雅处理迭代器场景 #

如果你习惯用Python标准库的工具，itertools.islice能帮你更优雅地处理迭代器，甚至不需要预先知道列表长度：

from itertools import islice

def extract_with_itertools(lst, m, n):
    it = iter(lst)
    while True:
        # 提取当前目标组的m个元素
        current_group = list(islice(it, m))
        if not current_group:
            break
        yield from current_group
        # 跳过n-1组（每组m个元素）
        skip_count = (n - 1) * m
        # 消耗掉需要跳过的元素
        skipped = islice(it, skip_count)
        try:
            # 先尝试取一个元素，判断是否还有剩余
            next(skipped)
        except StopIteration:
            break
        # 消耗剩余的跳过元素
        for _ in skipped:
            pass

# 调用示例
lst = list(range(1, 20))
result = list(extract_with_itertools(lst, 2, 3))
print(result)  # 输出: [1, 2, 7, 8, 13, 14, 19]

这个方法的优势是完全基于迭代器操作，不管你的数据源是列表、生成器还是其他可迭代对象，都能无缝处理，而且内存占用始终保持在最低水平。

内容的提问来源于stack exchange，提问作者Kam