Python 推导式：让代码简洁如诗的魔法技巧

原创于 2025-07-19 09:34:01 发布 · 735 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#java #linux #前端

阅读此文：你将知道怎么使用推导式、什么时候用、有哪些注意事项？

🌈Hi，小伴们~关注我，将持续分享Python 实用技巧与干货案例

今天我们要聊一个Python中特别酷炫的语法——推导式（Comprehension）

初学者可能会觉得它有点复杂，但一旦掌握，便会爱不释手，它能让你的代码简洁到飞起！

什么是推导式？

🎯推导式：是Python中一种优雅且高效的创建数据结构的方式。它可以用一行代码就实现多行循环的功能，让你的代码更加简洁、易读

简单来说，推导式就是” 一行代码搞定循环 + 条件判断 + 数据生成 “ 的语法糖

推导式适用哪些对象？

☘️凡是可迭代的对象都能用推导式，那什么是可迭代对象？简单理解就是能用for进行循环的对象（如：列表、集合、字典、元组、字符串、range对象等）

以列表为例讲解展示

列表推导式(List Comprehension)：是Python中一种高效创建列表的方式

列表推导式的基本结构包含以下3部分内容：

①表达式：将可迭代对象中取出的变量进行处理，它的形式可以是一个计算式、也可以是一个函数

②迭代循环体：for循环从可迭代对象中取出变量

③条件判断：对从循环体中取出的变量进行筛选判断

🔑看一个简单例子领略一下它的魅力：假设我们需要将列表的数字翻倍*2

🏐传统写法：

# 利用for循环逐个遍历列表元素*2
numbers = [1, 3, 5, 7, 9]
new_numbers = []
for number in numbers:
    result = numbers * 2
    new_numbers.append(result)

🏀列表推导式写法：

new_numbers = [number * 2 for number in numbers]

✅是不是简洁多了？实现过程类似下图所示：

列表推导式的常见使用场景

1. 简单转换

🌱代码示例：将0~9的数字转换为它们的平方

squares = [x**2 for x in range(10)]
print(squares)  
# 输出：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

✅备注：range(10)生成的序列是半开区间，即包含起始值，但不包含结束值。如range(start, stop) 会生成从 start 到 stop - 1 的整数序列，start不写默认为0

2. 利用函数转换

🌱代码示例：利用函数将0~9的数字转换为它们的平方

#定义函数
def square(n):
    return n ** 2

[square(x) for x in range(5)]  
# 表达式是square(x)函数

✅备注：将调用函数作为表达式时，要注意调用函数的内部逻辑要尽可能的简单且不易产生报错的场景

3. 添加条件进行过滤

🌱代码示例：获取0~9中的所有偶数

evens = [x for x in range(10) if x % 2 == 0]
print(evens)  
# 输出：[0, 2, 4, 6, 8]

✅备注：if条件判断筛选符合条件的元素，在条件判断里不能加else，加else变成三元运算符需放在前面的表达式中，对生成的结果进行处理

❌ 错误尝试：在条件过滤位置用 if-else

# 语法错误！条件过滤部分不能用else
invalid = [x for x in range(5) if x % 2 == 0 else -1]  
#                           ^ 这里只能用if，不能带else ^

✅ 正确写法：将 `if-else` 移到表达式部分

valid = [x if x % 2 == 0 else -1 for x in range(5)]  # 正确
# 偶数保留原值，奇数替换为-1 
print(numbers)  
# 输出: [0, -1, 2, -1, 4]（所有元素都存在）

4. 复杂转换与过滤

🌱代码示例：获取 0~9 中的偶数且大于 2 的数字进行平方

evens_gt_2 = [x*2 for x in range(10) if x % 2 == 0  if x > 2]
print(evens_gt_2)  
# 输出：[8, 12, 16]

✅备注：多条件判断的开展顺序是从左至右(从最靠近数据源的开始)

5. 多重循环嵌套

🌱代码示例：生成一个乘法表矩阵

multiplication_table = [[i*j for j in range(1, 4)] for i in range(1, 4)]
for row in multiplication_table:
    print(row)
#输出：
[1, 2, 3]
[2, 4, 6]
[3, 6, 9]

✅备注：多种循环嵌套时外层嵌套的优先级更高

循环生成的过程示意图如下：

四、集合推导式

🌱代码示例：创建一个包含字符串长度的集合

words = ["apple", "banana", "cherry"]
word_lengths = {len(word) for word in words}
print(word_lengths)  
# 输出：{5, 6} (集合自动去重)

✅备注：集合推导式能自动去除重复的内容，有去重的功能

五、元组推导式（生成器推导式）

🌱代码示例：创建一个生成器，惰性计算平方数

squares_gen = (x**2 for x in range(10))
print(squares_gen)  
# 输出：<generator object <genexpr> at 0x...>
print(list(squares_gen))  
# 输出：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

✅备注：元组推导式与生成器推导式类似，生成器推导式属于延迟计算没那么占内存，在推导大数据集时适用(生成器在后面的文章中会介绍)，若要强调是元组推导式生成的结果需用tuple()转化

六、字典推导式

🌱代码示例：创建一个单词与长度的映射字典

word_dict = {word: len(word) for word in words}
print(word_dict)  
# 输出：{'apple': 5, 'banana': 6, 'cherry': 6}

# 交换键值对
length_to_word = {length: word for word, length in word_dict.items()}
print(length_to_word)  
# 输出：{5: 'apple', 6: 'cherry'} (注意：相同键会覆盖)

✅备注：word_dict.items()返回所有键值对的视图对象，循环时key-value各自对应循环跌出相应遍历赋值给新key-value，要注意key的唯一性不要重复生成

🎈使用推导式的注意事项

可读性优先：如果推导式过于复杂难以理解，优先考虑用传统循环方式

避免副作用：不要在推导式中执行有副作用的操作（如打印、修改外部变量等）

性能考虑：对于大数据集推导生成，利用生成器推导式会更节省内存

嵌套限制：尽量避免推导式中包含多层嵌套（建议<3层）

⏳什么时候用推导式？

处理简单的数据转换和过滤任务，推导式是理想选择

代码简洁性比可读性更重要时，追求极简表达

需要一次性生成整个序列时（生成器推导式除外）

🏁结语：

🚀掌握推导式是Python编程化繁为简的必由之路

七、轻松一下，挑战一道题

i = 5
lists = [i for i in range(i, i + 3)]
print(i)

👉打印出的 i 的值是多少？评论区留言~

📌也可关注微信公众号：“ Python-伍六七 ”，将持续输出Python 实用技巧与干货案例！

简洁到飞起的列表推导式