简单的生成器版本，在内存中保存尽可能少的值，并且只调用pred一次:

from collections import deque
from typing import Callable, TypeVar, Iterable
_T = TypeVar('_T')

def iter_split(pred: Callable[[_T], bool],
               iterable: Iterable[_T]) -> tuple[Iterable[_T], Iterable[_T]]:
    """Split an iterable into two iterables based on a predicate.
    
    The predicate will only be called once per element.
    
    Returns:
        A tuple of two iterables, the first containing all elements for which
        the predicate returned True, the second containing all elements for
        which the predicate returned False.
    """
    iterator = iter(iterable)
    true_values: deque[_T] = deque()
    false_values: deque[_T] = deque()
    
    def true_generator():
        while True:
            while true_values:
                yield true_values.popleft()
            
            for item in iterator:
                if pred(item):
                    yield item
                    break
                false_values.append(item)
            else:
                break
            
    def false_generator():
        while True:
            while false_values:
                yield false_values.popleft()
            
            for item in iterator:
                if not pred(item):
                    yield item
                    break
                true_values.append(item)
            else:
                break

    return true_generator(), false_generator()

就我个人而言，我喜欢你引用的版本，假设你已经有了一个好的列表。如果没有，就像这样:

good = filter(lambda x: is_good(x), mylist)
bad = filter(lambda x: not is_good(x), mylist)

当然，这真的非常类似于使用列表理解，就像你最初做的，但用一个函数而不是一个查找:

good = [x for x in mylist if is_good(x)]
bad  = [x for x in mylist if not is_good(x)]

总的来说，我发现列表推导式的美学非常令人满意。当然，如果您实际上不需要保留顺序，也不需要重复，那么在集合上使用交集和差分方法也会很好。

我将采用2步方法，将谓词的求值与列表的过滤分离:

def partition(pred, iterable):
    xs = list(zip(map(pred, iterable), iterable))
    return [x[1] for x in xs if x[0]], [x[1] for x in xs if not x[0]]

就性能而言(除了在iterable的每个成员上只对pred求值一次之外)，这样做的好处在于它将大量逻辑从解释器中移出，转移到高度优化的迭代和映射代码中。这可以加快长迭代对象的迭代速度，就像回答中描述的那样。

在表达性方面，它利用了像理解和映射这样的表达性习语。

如果你不想用两行代码来完成一个语义只需要一次的操作，你可以把上面的一些方法(甚至是你自己的方法)包装在一个函数中:

def part_with_predicate(l, pred):
    return [i for i in l if pred(i)], [i for i in l if not pred(i)]

这不是一种惰性计算方法，它确实对列表进行了两次迭代，但是它允许您在一行代码中对列表进行分区。

这个问题已经有很多答案了，但似乎都不如我最喜欢的解决这个问题的方法，这种方法只遍历和测试每个项目一次，并使用列表理解的速度来构建两个输出列表之一，因此它只需要使用相对较慢的附加来构建一个输出列表:

bad = []
good = [x for x in mylist if x in goodvals or bad.append(x)]

In my answer to a similar question, I explain how this approach works (a combination of Python's greedy evaluation of or refraining from executing the append for "good" items, and append returning a false-like value which leaves the if condition false for "bad" items), and I show timeit results indicating that this approach outcompetes alternatives like those suggested here, especially in cases where the majority of items will go into the list built by list-comprehension (in this case, the good list).

所有提出的解决方案的问题是，它将扫描和应用过滤功能两次。我会做一个简单的小函数，像这样:

def split_into_two_lists(lst, f):
    a = []
    b = []
    for elem in lst:
        if f(elem):
            a.append(elem)
        else:
            b.append(elem)
    return a, b

这样你就不会重复处理任何东西，也不会重复代码。