从列表末尾移除连续重复项 Python

Question

我有一个numpy数组：

ar = np.array([True, False, True, True, True])

如果最后一个元素是True，我想把数组末尾所有连续的True元素去掉。比如说：

magic_func(ar) => [True, False]

如果 ar = [True, False, True, False, True]，那么结果会是：

magic_func(ar) => [True, False, True, False]

如果 ar = [True, False, False]，这个函数就什么都不做，因为最后一个元素是False。

有没有什么简单的一行代码可以用python来实现这个？可以使用numpy库或者其他的东西。

Answer 1

编辑：更新了实现方式，以解决numpy数组中没有.pop()的问题

def chop_array(ar, condition):
    i = len(ar)
    while (ar[i - 1] == condition and i > 0):
        i = i - 1
    return ar[0:i]

chop_array([True, False, True, False, True], True)

Answer 2

这段代码有点神奇，但看起来确实有效：

>>> ar = np.array([True, False, True, True, True])
>>> ar[np.bitwise_or.accumulate(~ar[::-1])[::-1]]
array([ True, False], dtype=bool)

要理解这个过程，首先我们对数组进行取反，把所有的 True 变成 False，反之亦然。接着，我们把顺序反转，然后对数组进行“或”运算的累积：在遇到第一个 True 之前，结果会是 False，之后就会一直是 True。最后，再把这个数组反转，就得到了一个布尔索引数组，可以去掉所有末尾的 True。

Answer 3

这个一行的函数应该可以用，但看起来很复杂，而且可能效率不高，哈哈。基本上，这个函数的想法是找到最右边的一个 False，然后返回在这个 False 之前的所有值。

def magic_func(a):
    return a[:len(a)-np.where(a[::-1]==False)[0][0]] if np.where(a[::-1]==False)[0].size>0 else a[:0]

>>> a = np.array([False, True, True, True, True])
>>> magic_func(a)
array([False], dtype=bool)

Answer 4

写一个高效的单行代码并不简单，不过这里有一段代码，来源于一个被删除的回答，作者是askewchan：

argmin = ar[::-1].argmin()
result = np.array([], dtype=bool) if ar[argmin] else ar[:len(ar)-argmin]

对于这个情况，速度比Jaime的基于Numpy的解决方案快了两倍多，这里的代码是针对ar = np.full(1000000, True, dtype=bool)，然后可以选择：

• ar[-10] = False，
• 或者ar[10] = False

（这两种情况分别代表了最好和最坏的情况）。不过，就像Jaime的解决方案一样，找到最后一个False时，NumPy（1.8.1）需要遍历整个数组，这样效率就不高了。不过，原则上，NumPy在使用argmin()时并不需要这样，因为它可以在遇到第一个False时就停止。

在我看来，这个解决方案是利用了NumPy的最佳性能来进行切割，从而得到最终的数组。原则上，NumPy在找到切割位置时也可以非常高效。

Answer 5

使用 itertools.dropwhile 和 np.fromiter 可以这样做。

from itertools import dropwhile
np.fromiter(dropwhile(lambda x: x, ar[::-1]), dtype=bool)[::-1]

编辑

这是一种更快的方法。（只需使用 itertools.takewhile）

from itertools import takewhile
ar[:-sum(1 for i in takewhile(lambda x: x, reversed(ar)))]

时间：

ar = np.array([True, False, True, True, True])

#mine
%timeit ar[:-sum(1 for i in takewhile(lambda x: x, reversed(ar)))]
1000000 loops, best of 3: 1.84 us per loop

#mine
%timeit np.fromiter(dropwhile(lambda x: x, ar[::-1]), dtype=bool)[::-1]
100000 loops, best of 3: 2.93 us per loop

#@Jaime
%timeit ar[np.bitwise_or.accumulate(~ar[::-1])[::-1]]
100000 loops, best of 3: 3.63 us per loop

#@askewchan
%timeit ar[:len(ar)-np.argmin(ar[::-1])]
100000 loops, best of 3: 6.24 us per loop

#@xbb
%timeit ar[:len(ar)-np.where(ar[::-1]==False)[0][0]] if np.where(ar[::-1]==False)[0].size>0 else ar[:0]
100000 loops, best of 3: 7.61 us per loop

附言：

这不是魔法函数。

def no_magic_func(ar):
    for i in xrange(ar.size-1, -1, -1):
        if not ar[i]:
            return ar[:i+1]
    return ar[0:0]

时间：

ar = np.array([True, False, True, True, True])

%timeit no_magic_func(ar)
1000000 loops, best of 3: 954 ns per loop