标签：pre   to_date   差集   The   转换   other   毫秒级   另一个   默认   

list操作

element in a list but not in other list，元素在一个list，不在另一个list

• 在数据量大的时候使用numpy的setdiff1d方法的性能非常好，耗时为毫秒级别。main_list = np.setdiff1d(list_2,list_1, assume_unique=False) assume_unique为false时，会将结果去重，assume_unique为True时，保留所有符合条件的元素。使用np.setdiff1d时参数assume_unique默认为False

import numpy as np
list_1 = ["a", "b", "c", "d", "e"]
list_2 = ["a", "f", "c", "m"]
main_list = np.setdiff1d(list_2,list_1)
print(main_list)

• np.setdiff1d方法处理后的list的元素的类型为numpy.int numpy.str等，需要使用list中元素时候需要转换为原来元素的类型

miss_time_list = [int(miss_time.strftime(‘%Y%m%d‘)) for miss_time in np.setdiff1d(old_time_to_datetime_list, new_time_list)]

• 在数据量小的时候使用for循环也可，但是数据量大的时候耗时太长

main_list = []
for i in list_2:
    if i not in list_1:
        main_list.append(i)

2个list差集

标签：pre   to_date   差集   The   转换   other   毫秒级   另一个   默认   

原文地址：https://www.cnblogs.com/ronky/p/9425168.html