如何从Python列表中高效提取P与N的连续子序列？

嘿，这个需求我太熟了！之前处理日志数据的时候就遇到过类似的连续元素提取场景，而且要处理百万级别的列表，效率确实是关键。你提到了itertools没找到合适的方法，其实有两种高效的实现方式，都能做到线性时间复杂度O(n)，完全适配大规模数据处理：

方法一：原生循环实现（极致高效） #

这种方式没有额外依赖，纯原生循环，开销极小，适合对性能要求极高的场景。核心思路就是遍历列表时维护一个临时子序列，遇到P/N就加入，遇到x时如果临时子序列不为空就存入结果并清空：

def extract_pn_sequences(lst):
    result = []
    current_seq = []
    for item in lst:
        if item in {'P', 'N'}:
            current_seq.append(item)
        else:
            if current_seq:
                # 注意用copy避免后续修改影响结果
                result.append(current_seq.copy())
                current_seq = []
    # 处理遍历结束后剩余的最后一段P/N序列
    if current_seq:
        result.append(current_seq)
    return result

方法二：用itertools.groupby实现（简洁可读） #

其实itertools.groupby完全能解决这个问题，只是你可能没get到正确的用法。它会自动把连续相同的元素分组，我们只需要筛选出分组key为P或N的组，再转成列表即可：

from itertools import groupby

def extract_pn_sequences_groupby(lst):
    result = []
    # groupby按连续相同元素分组，key是元素本身
    for key, group in groupby(lst):
        if key in {'P', 'N'}:
            # group是迭代器，转成列表得到连续子序列
            result.append(list(group))
    return result

效率对比与测试 #

两种方法都是一次遍历完成，时间复杂度都是O(n)，对于大规模数据来说性能差异极小：

• 原生循环的优势是没有额外库的调用开销，极端场景下略快一点；
• groupby的优势是代码更简洁，可读性更强，维护成本低。

用你的测试列表验证一下：

test_list = ['x','x','x','x','P','x','x','N','P','N','x','x','x','N','P','x','x','x','x','x','x','N','x','x','P','N','x','x','x']
print(extract_pn_sequences(test_list))
# 输出：[['P'], ['N', 'P', 'N'], ['N', 'P'], ['N'], ['P', 'N']]

完全符合你的预期结果！

内容的提问来源于stack exchange，提问作者ERS