Python 遍历嵌套列表提取指定位置元素生成新列表方法

首先先修正你贴的示例代码的语法问题：原写法中[4,5,6]和[7,8,9]两个子列表之间遗漏了逗号，正确格式的基础嵌套列表为：
mylist = [[1,2,3],[4,5,6],[7,8,9],[10,11,12]]

针对“从上千个元素规模的嵌套列表中，提取每个子列表同索引位置的元素、拼成一维新列表”的需求，有三种适配不同场景的实现方式：

方法1：列表推导式（通用无依赖） #

直接指定需要提取的元素索引位置，遍历所有子列表取值即可，完全匹配你给出的输出示例（示例中取的是每个子列表索引为1的位置，对应元素2、5、8、11）：

# 替换成你实际需要提取的元素索引位置
target_index = 1
newlist = [sub[target_index] for sub in mylist]

这种写法无任何第三方依赖，语法简洁，运行效率完全能支撑上千、上万个子列表的处理规模。

方法2：zip解包（多索引场景性能最优） #

如果后续需要同时提取多个固定位置的元素，可以通过zip的*解包特性将原二维列表按“列”转置，原本同索引位置的元素会组成独立的一维列表，直接索引取值即可：

# 转置后，每个元组对应原嵌套列表中同索引位置的所有元素
transposed_columns = list(zip(*mylist))
# 取索引为1的列，转为列表格式
newlist = list(transposed_columns[1])

该方法在元素规模达到上千时，比列表推导式的运行效率更高，且内存占用更低；注意：如果存在子列表长度不一致的情况，zip会自动按最短的子列表长度截断，仅适用于所有子列表长度完全一致的场景（你的需求本身要求每个子列表都存在可提取的固定索引，天然满足该前提）。

方法3：numpy切片（超大规模场景适配） #

如果后续嵌套列表规模扩展到十万级以上，使用numpy的数组切片能获得比纯Python写法高数倍的处理效率：

import numpy as np
# 转成numpy二维数组
arr = np.array(mylist)
# 取所有行的第1列，转回Python原生列表
newlist = arr[:, 1].tolist()

注意事项 #

• 提取前需确认所有子列表的长度，避免目标索引超出某段子列表的长度范围，触发IndexError
• 只需要把代码中索引位置的数字（示例中用的1）替换为你实际要提取的位置值，即可得到对应结果

内容的提问来源于stack exchange，提问作者M S