【python】python进阶——推导式

目录

一、推导式介绍

二、推导式的用法

2.1 列表推导式 

2.2 字典推导式 

2.3 集合推导式 

2.4 生成器表达式 

三、推导式的嵌套和复杂用法

3.1 嵌套推导式

3.2 多重条件推导式

四、推导式对比传统循环

4.1 性能比较

4.2 可读性比较

五、常见应用场景

5.1 数据清洗和转换

5.2 文件处理

5.3 API数据处理

六、注意事项

参考

---

一、推导式介绍

        Python推导式（Comprehension）是一种简洁、优雅的语法结构，可以用单行代码快速创建列表、字典、集合等数据结构。它基于现有的可迭代对象，通过表达式和条件语句来生成新的数据集合。

不仅让代码更加简洁易读，而且在大多数情况下比传统的循环方式执行效率更高。

二、推导式的用法

        Python 推导式是一种独特的数据处理方式，可以从一个数据序列构建另一个新的数据序列的结构体。

Python 支持推导式的数据结构有：

• 列表(list)推导式
• 字典(dict)推导式
• 集合(set)推导式
• 元组(tuple)推导式

2.1 列表推导式 

列表推导式是最常见的形式，用于创建新的列表。

基本语法：

[expression for item in iterable if condition]

示例：

# 传统方式
squares = []
for x in range(10):squares.append(x**2)# 列表推导式
squares = [x**2 for x in range(10)]
print(squares)  # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

带条件的列表推导式：

# 只保留偶数平方
even_squares = [x**2 for x in range(10) if x % 2 == 0]
print(even_squares)  # [0, 4, 16, 36, 64]# 使用条件表达式
results = ["偶数" if x % 2 == 0 else "奇数" for x in range(5)]
print(results)  # ['偶数', '奇数', '偶数', '奇数', '偶数']

嵌套循环的列表推导式：

# 生成所有可能的坐标对
coordinates = [(x, y) for x in range(3) for y in range(3)]
print(coordinates)  # [(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)]

2.2 字典推导式 

字典推导式用于创建字典，语法与列表推导式类似。

基本语法：

{key_expression: value_expression for item in iterable if condition}

示例：

# 创建数字到其平方的映射
squares_dict = {x: x**2 for x in range(5)}
print(squares_dict)  # {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}# 反转字典的键和值
original = {'a': 1, 'b': 2, 'c': 3}
reversed_dict = {v: k for k, v in original.items()}
print(reversed_dict)  # {1: 'a', 2: 'b', 3: 'c'}# 带条件的字典推导式
even_squares = {x: x**2 for x in range(10) if x % 2 == 0}
print(even_squares)  # {0: 0, 2: 4, 4: 16, 6: 36, 8: 64}

2.3 集合推导式 

集合推导式用于创建集合，会自动去除重复元素。

基本语法：

{expression for item in iterable if condition}

示例：

# 从列表中创建不重复的平方数集合
numbers = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]
unique_squares = {x**2 for x in numbers}
print(unique_squares)  # {16, 1, 9, 4}# 带条件的集合推导式
even_squares = {x**2 for x in range(10) if x % 2 == 0}
print(even_squares)  # {0, 64, 4, 36, 16}

2.4 生成器表达式 

生成器表达式使用圆括号，与列表推导式类似，但返回一个生成器对象，按需生成值，节省内存。

基本语法：

(expression for item in iterable if condition)

示例：

# 创建生成器
squares_gen = (x**2 for x in range(10))# 使用生成器
print(next(squares_gen))  # 0
print(next(squares_gen))  # 1# 可以转换为列表
print(list(squares_gen))  # [4, 9, 16, 25, 36, 49, 64, 81]# 在函数中使用
total = sum(x**2 for x in range(10))
print(total)  # 285

三、推导式的嵌套和复杂用法

3.1 嵌套推导式

# 二维列表展平
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flattened = [num for row in matrix for num in row]
print(flattened)  # [1, 2, 3, 4, 5, 6, 7, 8, 9]# 转置矩阵
transposed = [[row[i] for row in matrix] for i in range(3)]
print(transposed)  # [[1, 4, 7], [2, 5, 8], [3, 6, 9]]

3.2 多重条件推导式

# 多个条件
numbers = [x for x in range(20) if x % 2 == 0 if x % 3 == 0]
print(numbers)  # [0, 6, 12, 18]# 复杂的条件表达式
categorized = ["大偶数" if x > 5 and x % 2 == 0 else "小偶数" if x % 2 == 0 else "大奇数" if x > 5 else "小奇数" for x in range(10)]
print(categorized)

四、推导式对比传统循环

4.1 性能比较

推导式通常比等效的循环更快，因为它们在底层使用了优化的C代码。

import timeit
# 测试列表推导式性能
list_comp_time = timeit.timeit('[x**2 for x in range(1000)]', number=10000)
loop_time = timeit.timeit('''
result = []
for x in range(1000):result.append(x**2)
''', number=10000)print(f"列表推导式: {list_comp_time:.3f}秒")
print(f"传统循环: {loop_time:.3f}秒")

4.2 可读性比较

虽然推导式更简洁，但过度复杂的推导式可能会降低可读性：

# 可读性好的推导式
good_example = [x**2 for x in range(10) if x % 2 == 0]# 过于复杂的推导式（不推荐）
bad_example = [[x*y for y in range(10) if y % 2 == 0] for x in range(10) if x % 3 == 0]

建议：当推导式变得复杂难以理解时，考虑使用传统的循环结构。

五、常见应用场景

5.1 数据清洗和转换

# 从字符串中提取数字并转换为整数
data = ["价格: 100元", "重量: 2.5kg", "数量: 15个"]
numbers = [float(''.join(filter(str.isdigit, item))) for item in data]
print(numbers)  # [100.0, 25.0, 15.0]

5.2 文件处理

# 读取文件并处理行
with open('data.txt', 'r') as file:lines = [line.strip().upper() for line in file if line.strip()]

5.3 API数据处理

# 从API响应中提取特定信息
api_response = [{'name': 'Alice', 'age': 25, 'active': True},{'name': 'Bob', 'age': 30, 'active': False},{'name': 'Charlie', 'age': 35, 'active': True}
]active_users = [user['name'] for user in api_response if user['active']]
print(active_users)  # ['Alice', 'Charlie']

六、注意事项

• 避免过度复杂：如果推导式变得难以阅读，考虑使用传统循环

• 注意内存使用：大型数据集考虑使用生成器表达式

• 保持可读性：适当的空格和换行可以提高复杂推导式的可读性

• 不要滥用：推导式不是所有循环的替代品，选择合适的工具

# 可读性更好的复杂推导式
result = [(x, y, z)for x in range(10)for y in range(10)for z in range(10)if x + y + z > 15and x % 2 == 0and y % 2 != 0
]print(result)

参考

• Python官方文档 - 列表推导式

• Real Python - Python列表推导式指南

• Stack Overflow - 列表推导式最佳实践讨论