我有一个值列表，我需要过滤给定布尔值列表中的值：
list_a = [1, 2, 4, 6]
filter = [True, False, True, False]
我使用以下行生成一个新的过滤列表：
filtered_list = [i for indx,i in enumerate(list_a) if filter[indx] == True]
这导致：
print filtered_list
[1,4]
这条线有效，但看起来（对我来说）有点矫枉过正，我想知道是否有更简单的方法来实现同样的效果。
以下答案中给出的两个好建议的摘要：
1- 不要filter像我那样命名一个列表，因为它是一个内置函数。
2-不要将事情True与我所做的事情进行比较，if filter[idx]==True..因为它是不必要的。只要使用if filter[idx]就足够了。
您正在寻找itertools.compress：
>>> from itertools import compress
>>> list_a = [1, 2, 4, 6]
>>> fil = [True, False, True, False]
>>> list(compress(list_a, fil))
[1, 4]
>>> list_a = [1, 2, 4, 6]
>>> fil = [True, False, True, False]
>>> %timeit list(compress(list_a, fil))
100000 loops, best of 3: 2.58 us per loop
>>> %timeit [i for (i, v) in zip(list_a, fil) if v] #winner
100000 loops, best of 3: 1.98 us per loop
>>> list_a = [1, 2, 4, 6]*100
>>> fil = [True, False, True, False]*100
>>> %timeit list(compress(list_a, fil)) #winner
10000 loops, best of 3: 24.3 us per loop
>>> %timeit [i for (i, v) in zip(list_a, fil) if v]
10000 loops, best of 3: 82 us per loop
>>> list_a = [1, 2, 4, 6]*10000
>>> fil = [True, False, True, False]*10000
>>> %timeit list(compress(list_a, fil)) #winner
1000 loops, best of 3: 1.66 ms per loop
>>> %timeit [i for (i, v) in zip(list_a, fil) if v]
100 loops, best of 3: 7.65 ms per loop
不要filter用作变量名，它是一个内置函数。
像这样：
filtered_list = [i for (i, v) in zip(list_a, filter) if v]
Usingzip是Python式的方式，可以并行迭代多个序列，而不需要任何索引。这假设两个序列具有相同的长度（在最短的用完后拉链停止）。itertools用于这样一个简单的案例有点矫枉过正......
您在示例中真正应该停止做的一件事是将事物与 True 进行比较，这通常是没有必要的。而不是if filter[idx]==True: ...，你可以简单地写if filter[idx]: ...。
使用 numpy：
In [128]: list_a = np.array([1, 2, 4, 6])
In [129]: filter = np.array([True, False, True, False])
In [130]: list_a[filter]
Out[130]: array([1, 4])
如果 list_a 可以是 numpy 数组但不能过滤，请查看 Alex Szatmary 的回答
Numpy 通常也会给你带来很大的速度提升
In [133]: list_a = [1, 2, 4, 6]*10000
In [134]: fil = [True, False, True, False]*10000
In [135]: list_a_np = np.array(list_a)
In [136]: fil_np = np.array(fil)
In [139]: %timeit list(itertools.compress(list_a, fil))
1000 loops, best of 3: 625 us per loop
In [140]: %timeit list_a_np[fil_np]
10000 loops, best of 3: 173 us per loop
使用 numpy 来做到这一点，即，如果你有一个数组，a而不是list_a：
a = np.array([1, 2, 4, 6])
my_filter = np.array([True, False, True, False], dtype=bool)
a[my_filter]
> array([1, 4])
filtered_list = [list_a[i] for i in range(len(list_a)) if filter[i]]
使用 python 3，您可以使用它list_a[filter]来获取True值。要获取False值，请使用list_a[~filter]