什么是 Python 推导式？初学者也能秒懂的高效写法
在学习 Python 的过程中，你一定遇到过这样的场景：需要从一个列表中筛选出某些元素，或者对每个元素进行某种计算，然后生成一个新的列表。如果用传统方式写，代码会显得冗长、重复，比如：
numbers = [1, 2, 3, 4, 5]
squared = []
for num in numbers:
if num % 2 == 0:
squared.append(num ** 2)
print(squared) # 输出 [4, 16]
这段代码虽然能运行，但写起来费劲，读起来也累。而 Python 推导式，就是为了解决这类“重复性任务”而生的利器。
你可以把 Python 推导式想象成一个“自动化工厂”——你只需告诉它“我要什么”和“从哪里来”，剩下的工作就由它自动完成。它不仅能简化代码，还能提升可读性和执行效率。
Python 推导式的语法结构与核心思想
Python 推导式本质上是一种简洁的创建集合（列表、字典、集合）的方式。它的基本语法结构如下：
[表达式 for 变量 in 可迭代对象 if 条件]
其中：
表达式：对每个元素进行的操作变量：循环变量，代表可迭代对象中的每个元素可迭代对象：比如列表、元组、字符串、range 等if 条件：可选，用于筛选元素
举个例子，我们想生成 1 到 10 之间所有偶数的平方：
even_squares = [x ** 2 for x in range(1, 11) if x % 2 == 0]
print(even_squares) # 输出 [4, 16, 36, 64, 100]
这段代码相当于：
- 遍历
range(1, 11)，得到 1 到 10 的数字 - 对每个数字判断是否为偶数（
x % 2 == 0） - 如果是偶数，就计算平方（
x ** 2） - 将结果收集到一个新列表中
是不是比传统的 for 循环简洁多了？而且逻辑清晰，一眼就能看懂。
列表推导式：最常用也最实用的类型
列表推导式是 Python 推导式中最常见的一种，适用于需要生成新列表的场景。
创建数组与初始化
假设你要初始化一个长度为 5 的列表，每个元素都是 0：
zeros = [0 for _ in range(5)]
print(zeros) # 输出 [0, 0, 0, 0, 0]
这里使用了 _ 作为占位变量，表示我们不关心具体的值，只关心循环次数。
再比如，生成 1 到 5 的平方数：
squares = [x ** 2 for x in range(1, 6)]
print(squares) # 输出 [1, 4, 9, 16, 25]
这个写法比写 for 循环快得多，也更“Pythonic”。
条件筛选与转换
很多时候我们需要从一个数据集中筛选出符合条件的项，并做处理。比如：
words = ['apple', 'banana', 'cherry', 'date']
long_caps = [word.upper() for word in words if len(word) > 5]
print(long_caps) # 输出 ['BANANA', 'CHERRY']
这里的关键是：if 条件放在最后，用于过滤。只有满足条件的元素才会进入表达式计算。
嵌套推导式：处理二维数据
当数据是二维结构时，推导式依然能轻松应对。例如，生成一个 3x3 的乘法表：
multiplication_table = [i * j for i in range(1, 4) for j in range(1, 4)]
print(multiplication_table) # 输出 [1, 2, 3, 2, 4, 6, 3, 6, 9]
这相当于嵌套的 for 循环：
result = []
for i in range(1, 4):
for j in range(1, 4):
result.append(i * j)
但推导式写起来更紧凑，逻辑也更清晰。
字典推导式：从键值对中快速构建字典
当你需要从现有数据中快速构建字典时，字典推导式就派上用场了。
从列表创建键值对
比如我们有一个学生名单和他们的分数，想生成一个字典：
students = ['Alice', 'Bob', 'Charlie']
scores = [88, 92, 76]
student_scores = {name: score for name, score in zip(students, scores)}
print(student_scores) # 输出 {'Alice': 88, 'Bob': 92, 'Charlie': 76}
这里 zip(students, scores) 将两个列表一一对应，然后推导式将每一对转换为 key: value 形式。
条件过滤与值转换
你也可以在字典推导式中加入条件，比如只保留分数大于 80 的学生：
high_scorers = {name: score for name, score in zip(students, scores) if score > 80}
print(high_scorers) # 输出 {'Alice': 88, 'Bob': 92}
这比手动写循环筛选再添加字典项要高效得多。
集合推导式：去重与快速生成唯一元素
集合推导式和列表推导式类似，但结果是集合（set），具有自动去重的特性。
从字符串中提取不重复的字母
比如我们有一个句子，想提取所有不重复的字母：
sentence = "Hello, Python is awesome!"
unique_chars = {char.lower() for char in sentence if char.isalpha()}
print(unique_chars) # 输出 {'e', 'a', 'l', 'o', 'p', 's', 'w', 'm', 't', 'n', 'y', 'h', 'i', 'u', 'c'}
注意：
char.lower()将字母转为小写，避免大小写重复char.isalpha()确保只处理字母，忽略标点和空格- 结果是集合，所以没有重复元素，顺序也不保证
处理重复数据的去重需求
当你需要从一个重复列表中快速提取唯一值时，集合推导式非常高效：
numbers = [1, 2, 2, 3, 3, 4, 5, 5]
unique_squares = {x ** 2 for x in numbers}
print(unique_squares) # 输出 {1, 4, 9, 16, 25}
这里，虽然输入有重复，但输出集合自动去重，结果清晰。
实际应用场景与最佳实践
Python 推导式不是为了炫技，而是为了提升开发效率和代码可读性。以下是一些典型使用场景：
数据清洗与预处理
在数据分析中，常需要从原始数据中筛选有效值。比如：
raw_data = [10, -5, 0, 3.5, -1, 0, 20]
clean_data = [round(x) for x in raw_data if x > 0]
print(clean_data) # 输出 [10, 4, 20]
配置项生成
在项目配置中，有时需要批量生成路径或文件名：
files = ['config', 'data', 'log']
paths = [f"app/{file}.py" for file in files]
print(paths) # 输出 ['app/config.py', 'app/data.py', 'app/log.py']
性能对比：推导式 vs 传统循环
虽然推导式在可读性上优势明显，但性能上也更有优势。Python 的推导式是 C 级优化的，比纯 Python 的 for 循环更快。
测试代码：
import time
start = time.time()
result1 = []
for i in range(100000):
if i % 2 == 0:
result1.append(i ** 2)
time1 = time.time() - start
start = time.time()
result2 = [i ** 2 for i in range(100000) if i % 2 == 0]
time2 = time.time() - start
print(f"传统循环耗时: {time1:.4f} 秒")
print(f"推导式耗时: {time2:.4f} 秒")
通常推导式会快 20% 以上，尤其在大数据量下差异更明显。
小结：掌握 Python 推导式，让代码更优雅
Python 推导式是一种强大而优雅的语法糖，它让你用更少的代码完成更复杂的任务。无论是列表、字典还是集合，推导式都能帮你快速构建数据结构，同时提升代码的可读性和执行效率。
记住，使用推导式时要保持逻辑清晰，不要为了简洁而过度嵌套。一个好推导式应该像一句自然语言：“我想要从 A 中，筛选出满足 B 的，然后做 C”。
当你开始用 Python 推导式替代冗长的 for 循环，你会发现自己的代码越来越“Python 风格”——简洁、高效、易读。
在日常开发中，不妨多尝试用推导式重构代码。它不仅能让你写得更快，还能让你的代码看起来更专业。真正的好代码，不在于用了多少行，而在于是否能让别人一眼看懂。