13推导式

在 Python 中，**推导式（Comprehension）** 是一种简洁、高效的语法结构，用于快速创建序列（如列表、字典、集合）或生成器。它将循环、条件判断和元素处理逻辑整合到一行代码中，替代传统的for循环 +append()（或类似操作）的方式，使代码更紧凑、可读性更强，且通常具有更高的执行效率。

## 特点

**简洁性**：用一行代码实现传统多行循环的功能，减少冗余代码。

**可读性**：逻辑清晰，一眼可看出 “从什么数据中，通过什么规则，生成什么结果”。

**高效性**：底层由 Python 解释器优化执行，通常比等价的for循环更快。

**灵活性**：支持嵌套循环和条件过滤，可处理复杂逻辑。

Python 中主要有 4 种推导式，分别对应不同的数据结构：**列表推导式**、**字典推导式**、**集合推导式**和**生成器表达式**（虽名为 “表达式”，但语法和逻辑与推导式一致，常归为同类）。

## 列表推导式

列表推导式（List Comprehension）

列表推导式是最常用的推导式，用于快速创建列表，语法结构：

```python
[表达式 for 变量 in 可迭代对象 if 条件]
```

- **表达式**：生成列表元素的计算逻辑（如x*2、str(x)等）。
- **for 变量 in 可迭代对象**：遍历可迭代对象（如列表、range、字符串等），变量是每次迭代的元素。
- **if 条件**（可选）：过滤条件，仅当条件为True时，当前元素才会被纳入结果。

例如：

```python
# 示例1：生成0-4的平方列表（无过滤条件）
squares = [x** 2 for x in range(5)]
print(squares)  # 输出：[0, 1, 4, 9, 16]

# 等价的传统循环
squares = []
for x in range(5):
    squares.append(x **2)

```

```python
# 示例2：生成1-10中的偶数列表（仅保留满足x%2==0的元素）
evens = [x for x in range(1, 11) if x % 2 == 0]
print(evens)  # 输出：[2, 4, 6, 8, 10]
```

```python
# 示例3：提取字符串列表中长度大于3的元素
words = ["apple", "cat", "banana", "dog", "grape"]
long_words = [word.upper() for word in words if len(word) > 3]
print(long_words)  # 输出：['APPLE', 'BANANA', 'GRAPE']（同时转为大写）
```

```python
# 示例4：将0-4的数字转为"偶数"或"奇数"
number_types = ["偶数" if x % 2 == 0 else "奇数" for x in range(5)]
print(number_types)  # 输出：['偶数', '奇数', '偶数', '奇数', '偶数']
```

```python
# 示例5： flatten二维列表（将[[1,2], [3,4]]转为[1,2,3,4]）
matrix = [[1, 2], [3, 4], [5, 6]]
flattened = [num for row in matrix for num in row]
print(flattened)  # 输出：[1, 2, 3, 4, 5, 6]

# 等价的传统循环
flattened = []
for row in matrix:
    for num in row:
        flattened.append(num)

```

## 字典推导式

字典推导式（Dictionary Comprehension）

字典推导式用于快速创建字典，语法结构：

```python
{键表达式: 值表达式 for 变量 in 可迭代对象 if 条件}
```

- **键表达式**：生成字典的键（需满足字典键的特性：不可变、唯一）。
- **值表达式**：生成对应键的值。
- 其他部分（for循环、if条件）与列表推导式逻辑一致。

例如：

```python
# 示例1：生成键为0-4，值为键的平方的字典
square_dict = {x: x** 2 for x in range(5)}
print(square_dict)  # 输出：{0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
```

```python
# 示例2：将字典的键和值互换（需确保值是不可变的，且唯一）
original = {"name": "Alice", "age": 30, "city": "Beijing"}
swapped = {v: k for k, v in original.items()}
print(swapped)  # 输出：{'Alice': 'name', 30: 'age', 'Beijing': 'city'}
```

```python
# 示例3：保留值为偶数的键值对
numbers = {"a": 1, "b": 2, "c": 3, "d": 4}
even_values = {k: v for k, v in numbers.items() if v % 2 == 0}
print(even_values)  # 输出：{'b': 2, 'd': 4}
```

## 集合推导式

集合推导式（Set Comprehension）

集合推导式用于创建集合（自动去重，元素无序），语法结构：

```python
{表达式 for 变量 in 可迭代对象 if 条件}
```

语法与列表推导式类似，仅外层符号为{}（区别于列表的[]），且结果会自动去除重复元素。

例如：

```python
# 示例1：生成1-9中偶数的平方集合（自动去重）
even_squares = {x **2 for x in range(1, 10) if x % 2 == 0}
print(even_squares)  # 输出：{64, 4, 36, 16, 100}（无序，因集合特性）
```

```python
# 示例2：去除列表中的重复元素并转为大写
words = ["apple", "banana", "apple", "orange", "banana"]
unique_words = {word.upper() for word in words}
print(unique_words)  # 输出：{'APPLE', 'BANANA', 'ORANGE'}（去重+大写）
```

## 生成器表达式

生成器表达式（Generator Expression）

生成器表达式用于创建**生成器对象**（一种可迭代对象，具有惰性计算特性），语法结构：

```python
(表达式 for 变量 in 可迭代对象 if 条件)
```

与列表推导式的区别：外层用()（而非[]），返回的是生成器（generator），而非列表。

特性：

- **惰性计算**：元素不会一次性全部生成，而是在迭代时逐个计算，节省内存（尤其适合处理大数据）。
- **可迭代一次**：生成器是 “一次性” 的，迭代结束后无法再次使用（需重新创建）。

例如：

```python
# 示例1：创建生成器（生成0-4的平方）
square_generator = (x** 2 for x in range(5))
print(type(square_generator))  # 输出：<class 'generator'>

# 迭代生成器（获取元素）
for num in square_generator:
    print(num, end=" ")  # 输出：0 1 4 9 16

# 再次迭代（已耗尽，无输出）
for num in square_generator:
    print(num)  # 无输出
```

**与列表推导式的内存对比**：处理大数据时，生成器表达式更优（无需一次性加载所有元素到内存）。

```python
# 列表推导式：一次性生成100万个元素，占用大量内存
large_list = [x for x in range(10**6)]

# 生成器表达式：仅在迭代时生成元素，内存占用极低
large_generator = (x for x in range(10**6))
```

## 适合使用推导式的场景

**简单转换 / 过滤**：如将列表元素做数学运算、类型转换，或按条件筛选元素。

**快速创建序列**：替代for循环 +append()的模式，减少代码量。

**大数据处理**：用生成器表达式处理超大型数据集（避免内存溢出）。

## 不适合使用推导式的场景

**复杂逻辑**：若表达式或条件包含多层嵌套、多步运算，推导式会变得晦涩（此时用传统循环更易读）。

**副作用操作**：推导式应专注于 “生成元素”，避免在表达式中执行带副作用的操作（如print()、修改外部变量）。

## 性能考量

推导式的执行效率通常高于等价的for循环（因底层由 C 语言优化实现）。

对于简单逻辑，列表推导式比list(map(...))更易读（功能类似，但推导式更 Pythonic）。

## 总结

推导式是 Python 的特色语法，通过整合循环、条件和元素处理，实现了序列创建的简洁化和高效化。核心要点：

- **列表推导式**：[expr for x in iter if cond]，创建列表，适合中小规模数据。
- **字典推导式**：{k: v for x in iter if cond}，创建字典，支持键值对灵活生成。
- **集合推导式**：{expr for x in iter if cond}，创建集合，自动去重。
- **生成器表达式**：(expr for x in iter if cond)，创建生成器，适合大数据（惰性计算）。

合理使用推导式可显著提升代码质量，但需平衡简洁性与可读性 —— 复杂逻辑优先选择传统循环，避免过度嵌套。