admin 管理员组文章数量: 1184232
Langchain系列文章目录
01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南
02-玩转 LangChain Memory 模块：四种记忆类型详解及应用场景全覆盖
03-全面掌握 LangChain：从核心链条构建到动态任务分配的实战指南
04-玩转 LangChain：从文档加载到高效问答系统构建的全程实战
05-玩转 LangChain：深度评估问答系统的三种高效方法（示例生成、手动评估与LLM辅助评估）
06-从 0 到 1 掌握 LangChain Agents：自定义工具 + LLM 打造智能工作流！
07-【深度解析】从GPT-1到GPT-4：ChatGPT背后的核心原理全揭秘
08-【万字长文】MCP深度解析：打通AI与世界的“USB-C”，模型上下文协议原理、实践与未来
Python系列文章目录
PyTorch系列文章目录
机器学习系列文章目录
深度学习系列文章目录
Java系列文章目录
JavaScript系列文章目录
Python系列文章目录
01-【Python-Day 1】告别编程恐惧：轻松掌握 Python 安装与第一个程序的 6 个步骤
02-【Python-Day 2】掌握Python基石：变量、内存、标识符及int/float/bool数据类型
03-【Python-Day 3】玩转文本：字符串(String)基础操作详解 (上)
04-【Python-Day 4】玩转文本：Python 字符串常用方法深度解析 (下篇)
05-【Python-Day 5】Python 格式化输出实战：%、format()、f-string 对比与最佳实践
06- 【Python-Day 6】从零精通 Python 运算符（上）：算术、赋值与比较运算全解析
07-【Python-Day 7】从零精通 Python 运算符（下）：逻辑、成员、身份运算与优先级规则全解析
08-【Python-Day 8】从入门到精通：Python 条件判断 if-elif-else 语句全解析
09-【Python-Day 9】掌握循环利器：for 循环遍历序列与可迭代对象详解
10-【Python-Day 10】Python 循环控制流：while 循环详解与 for 循环对比
11-【Python-Day 11】列表入门：Python 中最灵活的数据容器 (创建、索引、切片)
12-【Python-Day 12】Python列表进阶：玩转添加、删除、排序与列表推导式
13-【Python-Day 13】Python 元组 (Tuple) 详解：从创建、操作到高级应用场景一网打尽
14-【Python-Day 14】玩转Python字典(上篇)：从零开始学习创建、访问与操作
15-【Python-Day 15】深入探索 Python 字典 (下)：常用方法、遍历、推导式与嵌套实战
16-【Python-Day 16】代码复用基石：详解 Python 函数的定义与调用
17-【Python-Day 17】玩转函数参数(上)：轻松掌握位置、关键字和默认值
18-【Python-Day 18】玩转函数参数（下）：*args 与 **kwargs 终极指南
19-【Python-Day 19】函数的回响：深入理解 return 语句与返回值
20-【Python-Day 20】揭秘Python变量作用域：LEGB规则与global/nonlocal关键字详解
21-【Python-Day 21】一行搞定！Python lambda 匿名函数的妙用与实战
22-【Python-Day 22】代码的基石：模块(Module)的导入与使用详解
23-【Python-Day 23】Python 模块化编程实战：创建、导入及 sys.path 深度解析
24-【Python-Day 24】告别杂乱代码！一文掌握 Python 包（Package）的创建与使用
25-【Python-Day 25】玩转数字：精通 math 与 random 模块，从数学运算到随机抽样
26-【Python-Day 26】解锁时间魔法：深入解析 time 与 datetime 模块
27-【Python-Day 27】轻松驾驭操作系统：精通 os 与 sys 模块核心功能
28-【Python-Day 28】从指令到蓝图：Python面向对象编程（OOP）入门指南
29-【Python-Day 29】万物皆对象：详解 Python 类的定义、实例化与 __init__ 方法
30-【Python-Day 30】从 self、cls 到 @staticmethod：Python 面向对象三大方法深度解析
31-【Python-Day 31】一文搞懂 Python 实例属性与类属性：从定义、区别到应用场景
32-【Python-Day 32】面向对象基石之封装：从 __private 到 @property 的深度解析
33-【Python-Day 33】OOP核心之继承（Inheritance）：代码复用与扩展的艺术
34-【Python-Day 34】深入解析Python继承：super()函数、MRO与菱形继承问题
35-【Python-Day 35】深入理解多态：代码更灵活的“鸭子类型”魔法
36-【Python-Day 36】解密文件IO：一文搞懂 Python 读写模式、编码与指针操作
37-【Python-Day 37】程序的守护者：一文彻底搞懂 Python 异常处理 (try-except-else-finally)
38-【Python-Day 38】告别通用错误！一文学会创建和使用 Python 自定义异常
39-【Python-Day 39】精通Python推导式：告别冗长for循环，提升代码效率与格调
文章目录
- Langchain系列文章目录
- Python系列文章目录
- PyTorch系列文章目录
- 机器学习系列文章目录
- 深度学习系列文章目录
- Java系列文章目录
- JavaScript系列文章目录
- Python系列文章目录
- 摘要
- 一、推导式：代码的“浓缩咖啡”
- 二、列表推导式 (List Comprehension)
- 2.1 基本语法结构
- 2.2 基础应用示例
- 2.2.1 不带 `if` 条件的推导式
- （1） 示例：将列表中的所有字符串转为大写
- 2.2.2 带 `if` 条件的推导式
- （1） 示例：提取列表中的所有偶数
- 三、字典推导式 (Dictionary Comprehension)
- 3.1 基本语法结构
- 3.2 应用示例
- 3.2.1 示例：创建数字及其平方的字典
- 3.2.2 示例：快速交换字典的键和值
- 四、集合推导式 (Set Comprehension)
- 4.1 基本语法结构
- 4.2 应用示例
- 4.2.1 示例：从列表中提取所有单词的首字母并去重
- 五、进阶用法与对比
- 5.1 嵌套推导式
- （1） 示例：扁平化一个二维列表（矩阵）
- 5.2 推导式 vs `map()` 和 `filter()`
- 5.2.1 对比分析
- 六、总结
摘要
在 Python 编程中，我们经常需要基于一个已有的序列（如列表、元组等）来创建一个新的序列。传统的方法是使用 for 循环，但 Python 提供了一种更为强大、简洁且高效的语法糖——推导式 (Comprehensions)。本文将带你深入探索 Python 中三种核心的推导式：列表推导式、字典推导式和集合推导式。你将学会如何使用它们来编写更具 Pythonic 风格的代码，理解其内部工作原理，掌握嵌套推导式等高级用法，并明确其与 map、filter 等函数的区别与优势。
一、推导式：代码的“浓缩咖啡”
在正式学习之前，我们先来看一个场景：创建一个包含 0 到 9 的平方数的列表。
使用传统的 for 循环，代码是这样的：
# 传统 for 循环方法
squares = []
for i in range(10):
squares.append(i * i)
print(squares)
# 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
代码清晰，但略显冗长。而使用列表推导式，我们可以一行代码搞定：
# 列表推导式方法
squares = [i * i for i in range(10)]
print(squares)
# 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
是不是瞬间感觉代码变得紧凑而优雅了？推导式就像是 Python 代码的“浓缩咖啡”，它将一个循环、一个条件判断（可选）和一个表达式浓缩到一行代码中，不仅减少了代码量，还提高了可读性和执行效率。
二、列表推导式 (List Comprehension)
列表推导式是最常用的一种推导式，用于快速生成新的列表。
2.1 基本语法结构
列表推导式的语法结构可以拆解为几个部分，非常直观。
expression
for item in iterable
if condition
- 表达式 (expression): 对迭代出的每个元素进行处理的操作，结果将作为新列表的元素。
- for 循环 (for item in iterable): 遍历一个可迭代对象（如列表、元组、字符串、range 等）。
- if 条件 (if condition): 可选部分，用于筛选可迭代对象中的元素。只有满足条件的元素才会被表达式处理。
2.2 基础应用示例
2.2.1 不带 if 条件的推导式
这是最简单的形式，对原序列的每个元素执行操作。
（1） 示例：将列表中的所有字符串转为大写
words = ['hello', 'world', 'python', 'is', 'awesome']
# for 循环实现
upper_words_loop = []
for word in words:
upper_words_loop.append(word.upper())
print(f"For 循环结果: {upper_words_loop}")
# 列表推导式实现
upper_words_comprehension = [word.upper() for word in words]
print(f"推导式结果: {upper_words_comprehension}")
输出：
For 循环结果: ['HELLO', 'WORLD', 'PYTHON', 'IS', 'AWESOME']
推导式结果: ['HELLO', 'WORLD', 'PYTHON', 'IS', 'AWESOME']
2.2.2 带 if 条件的推导式
通过添加 if 子句，我们可以轻松地在迭代过程中进行筛选。
（1） 示例：提取列表中的所有偶数
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# for 循环实现
even_numbers_loop = []
for num in numbers:
if num % 2 == 0:
even_numbers_loop.append(num)
print(f"For 循环结果: {even_numbers_loop}")
# 列表推导式实现
even_numbers_comprehension = [num for num in numbers if num % 2 == 0]
print(f"推导式结果: {even_numbers_comprehension}")
输出：
For 循环结果: [2, 4, 6, 8, 10]
推导式结果: [2, 4, 6, 8, 10]
三、字典推导式 (Dictionary Comprehension)
与列表推导式类似，字典推导式可以让我们用一行代码优雅地创建字典。
3.1 基本语法结构
字典推导式的语法与列表推导式非常相似，只是用了花括号 {}，并且表达式部分是 key: value 键值对的形式。
{key_expression: value_expression for item in iterable if condition}
3.2 应用示例
3.2.1 示例：创建数字及其平方的字典
# for 循环实现
square_dict_loop = {}
for i in range(5):
square_dict_loop[i] = i * i
print(f"For 循环结果: {square_dict_loop}")
# 字典推导式实现
square_dict_comprehension = {i: i * i for i in range(5)}
print(f"推导式结果: {square_dict_comprehension}")
输出：
For 循环结果: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
推导式结果: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
3.2.2 示例：快速交换字典的键和值
假设我们有一个字典，其值都是唯一的，我们想创建一个新字典，将原字典的键和值互换。
# 原始字典
original_dict = {'a': 1, 'b': 2, 'c': 3}
# 字典推导式实现
swapped_dict = {value: key for key, value in original_dict.items()}
print(f"交换后的字典: {swapped_dict}")
输出：
交换后的字典: {1: 'a', 2: 'b', 3: 'c'}
这里我们遍历了 original_dict.items()，它会产生 (key, value) 形式的元组，然后我们用 value 作为新键，key 作为新值。
四、集合推导式 (Set Comprehension)
集合推导式用于创建集合，它的语法也使用花括号 {}，但与字典不同的是，它只包含一个表达式，而不是键值对。
4.1 基本语法结构
{expression for item in iterable if condition}
由于集合的特性（元素不重复），集合推导式天然具有去重的功能。
4.2 应用示例
4.2.1 示例：从列表中提取所有单词的首字母并去重
words = ['apple', 'banana', 'apple', 'cherry', 'blueberry', 'banana']
# for 循环实现
first_letters_loop = set()
for word in words:
first_letters_loop.add(word[0])
print(f"For 循环结果: {first_letters_loop}")
# 集合推导式实现
first_letters_comprehension = {word[0] for word in words}
print(f"推导式结果: {first_letters_comprehension}")
输出：
For 循环结果: {'c', 'b', 'a'}
推导式结果: {'c', 'b', 'a'}
注意输出结果是无序的，这是集合的特性。
五、进阶用法与对比
5.1 嵌套推导式
推导式可以嵌套，就像 for 循环可以嵌套一样。这在处理多维数据结构（如矩阵）时非常有用。
（1） 示例：扁平化一个二维列表（矩阵）
假设我们有一个矩阵，想把它转换成一个一维列表。
matrix = [
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]
]
# for 循环实现
flattened_loop = []
for row in matrix:
for item in row:
flattened_loop.append(item)
print(f"For 循环结果: {flattened_loop}")
# 嵌套列表推导式实现
flattened_comprehension = [item for row in matrix for item in row]
print(f"推导式结果: {flattened_comprehension}")
输出：
For 循环结果: [1, 2, 3, 4, 5, 6, 7, 8, 9]
推导式结果: [1, 2, 3, 4, 5, 6, 7, 8, 9]
阅读技巧：阅读嵌套推导式时，从左到右依次看 for 循环部分，这与传统 for 循环的嵌套顺序是一致的。
⚠️ 注意：虽然嵌套推导式很强大，但过度嵌套（超过两层）会严重降低代码的可读性。在这种情况下，回归使用传统的
for循环可能是更好的选择。
5.2 推导式 vs map() 和 filter()
在推导式出现之前，Python 程序员通常使用内置的 map() 和 filter() 函数来完成类似的任务。
filter(function, iterable): 过滤序列，返回一个迭代器，只包含function(item)为True的元素。map(function, iterable): 将函数应用于序列的每个元素，返回一个包含结果的迭代器。
让我们用 map 和 filter 重写“提取偶数并求平方”的例子。
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# map 和 filter 组合实现
# 1. 定义一个检查偶数的函数
def is_even(n):
return n % 2 == 0
# 2. 定义一个求平方的函数
def square(n):
return n * n
# 3. 先 filter 再 map
result_map_filter = list(map(square, filter(is_even, numbers)))
print(f"map/filter 结果: {result_map_filter}")
# 使用 lambda 表达式简化
result_lambda = list(map(lambda n: n*n, filter(lambda n: n%2==0, numbers)))
print(f"lambda 结果: {result_lambda}")
# 列表推导式实现
result_comprehension = [n * n for n in numbers if n % 2 == 0]
print(f"推导式结果: {result_comprehension}")
输出：
map/filter 结果: [4, 16, 36, 64, 100]
lambda 结果: [4, 16, 36, 64, 100]
推导式结果: [4, 16, 36, 64, 100]
5.2.1 对比分析
| 特性 | 推导式 | map / filter |
|---|---|---|
| 可读性 | 通常更高，将逻辑整合在一处，更接近自然语言。 | 需要定义额外函数或使用 lambda，逻辑分散。 |
| 灵活性 | 非常灵活，可以在一个表达式中完成复杂的转换和筛选。 | 功能单一，map 负责转换，filter 负责筛选，通常需要组合使用。 |
| 性能 | 通常比 map/filter 组合更快，因为 Python 解释器对其有优化。 | 函数调用有开销，速度可能稍慢。 |
| 适用场景 | 适用于从一个序列创建另一个序列的绝大多数场景。 | 当有一个已经存在的复杂函数需要应用到序列时，map 仍然是不错的选择。 |
总的来说，当逻辑相对简单时，推导式是更 Pythonic、更推荐的选择。
六、总结
推导式是 Python 语言中一个极具特色的功能，它提供了一种创建列表、字典和集合的优雅而高效的方式。掌握推导式是迈向 Python 高手的重要一步。
- 核心思想：将循环、条件判断和表达式浓缩在一行代码中，以简洁的方式从一个可迭代对象生成新的序列。
- 三种类型：
- 列表推导式
[...]：最常用，用于生成列表。 - 字典推导式
{k: v ...}：用于生成字典，表达式为键值对。 - 集合推导式
{...}：用于生成集合，表达式为单个值，并自动去重。
- 列表推导式
- 语法结构：
[expr for item in iterable if condition]是基本骨架，理解这三个部分是关键。 - 高级应用：嵌套推导式可以处理多维数据，但要注意保持代码的可读性，避免过度嵌套。
- 优势：相比传统的
for循环，推导式代码更简洁；相比map/filter，可读性和性能通常更优。拥抱推导式，让你的 Python 代码更加地道、高效！
版权声明：本文标题：【Python-Day 39】精通Python推导式：告别冗长for循环，提升代码效率与格调 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1765997827a3430746.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论