Pythonでリスト内の「Kより大きい最小値」を取得する3つの方法

Pythonでデータ分析を行う際、リストから特定の条件を満たす要素を抽出したい場面は多くあります。本記事では、その中でも特に実用的なケースとして、「指定した値Kより大きい要素のうち、最も小さい値（＝Kに最も近い大きい値）」を取得する方法を3つ紹介します。

方法1：min関数とジェネレータ式を使う

まず基本となるのが、リスト内包表記（ジェネレータ式）と min 関数を組み合わせる方法です。forループでリストの各要素を走査しながら、「値がKより大きい」という条件でフィルタリングし、条件を満たす要素の中から min 関数を使って最小値を取り出します。

サンプルコード

listA = [1,5,6,7,11,14]

# 元のリストを表示
print("Given list : ", listA)

k = 8

# minとジェネレータ式を使用
res = min(i for i in listA if i > k)

# 結果を表示
print("Minimum element greater than k : \n", res)

実行結果

Given list : [1, 5, 6, 7, 11, 14]
Minimum element greater than k :
11

この例では、8より大きい要素は「11」と「14」であり、そのうち最小の「11」が出力されています。コードがシンプルで読みやすく、Pythonらしい書き方です。

方法2：filter関数とlambda式を使う

次に紹介するのは、filter 関数とラムダ式（無名関数）を組み合わせる方法です。ラムダ式で「値がKより大きい」という条件を定義し、filter 関数で条件を満たす要素だけを抽出します。最後に min 関数を適用して、抽出された要素群から最小値を求めます。

サンプルコード

listA = [1,5,6,7,11,14]

# 元のリストを表示
print("Given list : ", listA)

k = 8

# filterとlambdaを使用
res = min(filter(lambda i: i > k, listA))

# 結果を表示
print("Minimum element greater than k : \n", res)

実行結果

Given list : [1, 5, 6, 7, 11, 14]
Minimum element greater than k :
11

こちらも同じ結果が得られます。処理の意図が明確になり、条件部分を独立して記述できるため、複雑な条件の場合には可読性が向上するメリットがあります。

方法3：bisectモジュールのbisect_rightを使う

3つ目の方法は、標準ライブラリの bisect モージュールに含まれる bisect_right 関数を使うアプローチです。bisect_right は、ソート済みリストに対して指定した値を挿入すべき位置（二分探索によるインデックス）を返す関数で、挿入位置は「指定値以上の要素が始まるインデックス」となります。

この性質を利用すると、リストを事前にソートしておけば、bisect_right の戻り値であるインデックスを参照することで、Kより大きい最初の要素に直接アクセスできます。二分探索のため計算量はO(log n)と効率的で、大規模なデータセットで有利になります。

サンプルコード

from bisect import bisect_right

listA = [1,5,6,7,11,14]

# 元のリストを表示
print("Given list : ", listA)

k = 8

# リストをソート
listA.sort()

# bisect_rightを使用
res = listA[bisect_right(listA, k)]

# 結果を表示
print("Minimum element greater than k : \n", res)

実行結果

Given list : [1, 5, 6, 7, 11, 14]
Minimum element greater than k :
11

この場合も同じ結果「11」が得られます。ただし、元のリストの順序が変わる点や、事前のソートが必要な点には注意しましょう。すでにソート済みのデータを扱う場合には、最も高速で効率的な選択肢となります。

まとめ

Kより大きい最小の要素を取得する方法を3つ比較しました。

• min + ジェネレータ式： シンプルで直感的。小〜中規模のリストに最適。
• filter + lambda： 条件を明示的に分離でき、複雑な条件にも柔軟に対応可能。
• bisect_right： 二分探索により高速。ソート済みデータや大規模データに有効。

用途やデータの規模・状態に応じて、最適な手法を選択してください。