如何高效从Python二维列表中按第一维度条件筛选第二维度值？

嘿，这个需求太常见啦！要是不想每次查询都遍历整个列表，提前构建索引字典绝对是最高效的做法——毕竟只需要一次预处理，后续所有查询都是O(1)的时间复杂度，比每次查都扫一遍列表划算太多。

步骤1：预处理构建索引字典 #

我们可以把原始二维列表转换成以文件名作为键、对应值列表作为值的字典，这样后续查询直接通过键就能拿到所有对应值。这里推荐用collections.defaultdict来简化操作：

from collections import defaultdict

# 你的原始数据
data = [["00000.ppm",11],["00001.ppm",40],["00001.ppm",38],["00001.ppm",13],["00002.ppm",39],["00003.ppm",4]]

# 预处理构建索引
file_value_map = defaultdict(list)
for filename, val in data:
    file_value_map[filename].append(val)

要是不想引入额外模块，用普通字典也能实现：

file_value_map = {}
for filename, val in data:
    if filename not in file_value_map:
        file_value_map[filename] = []
    file_value_map[filename].append(val)

步骤2：快速查询指定文件名的值 #

现在要找"00001.ppm"对应的值，直接通过字典的get方法就能拿到，还能指定找不到时返回空列表避免报错：

target_filename = "00001.ppm"
values = file_value_map.get(target_filename, [])
print(values)  # 输出: [40, 38, 13]

步骤3：单独取值做比较 #

拿到值列表后，你可以轻松做各种判断操作，比如检查是否有值等于13：

# 判断是否存在值等于13
has_class_13 = 13 in values

# 取出所有等于13的元素
class_13_values = [v for v in values if v == 13]

额外说明 #

• 如果你的数据是静态的（不会新增/删除条目），这个方案的效率是最优的：预处理仅需O(n)时间，后续每次查询都是O(1)。
• 如果数据是动态的，之后要新增条目，直接往字典对应的列表里追加就行：

  # 新增一条"00001.ppm"的记录
  file_value_map["00001.ppm"].append(25)
  

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