如何快速检测并移除存在于目标列表中的无序子列表？

首先明确你的需求：你有两个二维列表：

a = [[1,2,3,4,5,6],[7,8,9,10,11,12]]
b = [[5, 9, 25, 31, 33, 36],[7,8,9,10,11,12],[10, 13, 22, 24, 33, 44]]

需要移除a中所有**元素集合与b内任意子列表元素集合完全匹配（不考虑元素顺序）**的子列表，最终得到[[1, 2, 3, 4, 5, 6]]。

你当前的嵌套循环方案虽然可行，但大数据量下效率极低——因为每次检查a的一个子列表，都要遍历b的所有子列表，时间复杂度为O(len(a)*len(b))，数据量越大，开销越夸张。下面是更高效的实现思路：

优化核心：预存b的子列表集合，将查找复杂度降为O(1) #

我们可以先把b中的所有子列表转换为不可变集合（frozenset），存入一个普通集合中。集合的查找操作是O(1)级别的，这样后续检查a的子列表是否存在时，就能大幅减少时间开销，整体时间复杂度降到O(len(a)+len(b))。

具体代码实现 #

a = [[1,2,3,4,5,6],[7,8,9,10,11,12]]
b = [[5, 9, 25, 31, 33, 36],[7,8,9,10,11,12],[10, 13, 22, 24, 33, 44]]

# 预处理：将b的所有子列表转为frozenset并存入集合
b_frozen_sets = {frozenset(sub_list) for sub_list in b}

# 过滤a，仅保留不在b_frozen_sets中的子列表
a = [sub_list for sub_list in a if frozenset(sub_list) not in b_frozen_sets]

print(a)  # 输出: [[1, 2, 3, 4, 5, 6]]

为什么这个方案更快？ #

• 预处理阶段：仅遍历b一次，将每个子列表转为frozenset（普通集合不可作为集合元素，因此用不可变的frozenset），时间开销为O(len(b)*k)，其中k是子列表的平均长度。
• 过滤阶段：遍历a一次，每个子列表转frozenset后执行O(1)的集合查找，总时间开销为O(len(a)*k)。
• 对比原方案：原方案的时间复杂度是O(len(a)*len(b)*k)，假设a和b各有10000个子列表，原方案需要执行1亿次检查，而优化后仅需2万次操作，性能差距极其显著。

额外场景处理：子列表包含重复元素 #

如果你的子列表存在重复元素（比如[1,1,2]和[1,2,2]），集合会忽略元素出现次数，误判两者相等。若需要严格匹配元素出现次数，可以用collections.Counter实现：

from collections import Counter

# 将Counter的键值对排序后转为元组（Counter不可哈希），存入集合
b_counters = {tuple(sorted(Counter(sub_list).items())) for sub_list in b}

# 过滤a
a = [sub_list for sub_list in a if tuple(sorted(Counter(sub_list).items())) not in b_counters]

这样就能精准匹配每个元素的出现次数了。

内容的提问来源于stack exchange，提问作者West