入门 Python 语言：Python数组推导式
目录
✨前言✨
本系列文章目的在于将 Python 的基础内容完全夯实，最终目的是为后期的深度学习在算法上有一定的铺垫，前期在学习数学的过程中也会有很大的帮助，相对于 C++ 来说 Python 有自身的优势，文末会有 Python 的优势对比于 C++ 的维度点说明，我已经先写过 C++的基础使用 了，两种语言各自有各自的优势，我们要根据具体的需求来分析使用哪种语言更为方便，其它的语言暂时不在考虑范畴之内，我们的目标是AI深度学习。
前置环境与代码结构文章：
📚本篇目标
- 让初学者了解 Python 数组推导式的基本概念和作用。
- 掌握数组推导式的基础语法和使用方法。
- 学会将数组推导式与条件判断结合，实现对列表元素的筛选和处理。
- 理解嵌套数组推导式的结构和应用场景，以及在复杂场景中运用数组推导式解决问题。
🔥重难点说明
重点
- 数组推导式的基础语法，能够使用它简洁地创建列表。
- 数组推导式与条件判断的结合，实现对列表元素的灵活筛选和转换。
- 嵌套数组推导式的使用，处理多维数据的生成和转换。
难点
- 嵌套数组推导式的逻辑理解，尤其是多层循环和条件判断的嵌套。
- 在复杂场景中准确运用数组推导式，需要清晰的逻辑思维和对数据处理的理解。
📖学习正文
数组推导式基础学习
数组推导式是一种简洁的创建列表的方式，基本语法为 [expression for item in iterable]。
# 创建一个包含 0 到 4 的平方的列表
squares = [i**2 for i in range(5)]
print("平方列表:", squares)
执行效果：
平方列表: [0, 1, 4, 9, 16]
数组推导式结合条件判断
可以在数组推导式中加入条件判断，语法为 [expression for item in iterable if condition]。
# 从 0 到 9 中筛选出偶数并计算其平方
even_squares = [i**2 for i in range(10) if i % 2 == 0]
print("偶数的平方列表:", even_squares)
执行效果：
偶数的平方列表: [0, 4, 16, 36, 64]
嵌套数组推导式
嵌套数组推导式可以处理多维数据，语法为 [expression for outer_item in outer_iterable for inner_item in inner_iterable]。
# 创建一个 3x3 的矩阵
matrix = [[i * j for j in range(3)] for i in range(3)]
print("3x3 矩阵:", matrix)
执行效果：
3x3 矩阵: [[0, 0, 0], [0, 1, 2], [0, 2, 4]]
复杂场景应用
在复杂场景中，数组推导式可以结合函数调用、条件判断等进行更复杂的数据处理。
# 定义一个函数判断是否为质数
def is_prime(n):
if n < 2:
return False
for i in range(2, int(n**0.5) + 1):
if n % i == 0:
return False
return True
# 从 0 到 20 中筛选出质数
primes = [i for i in range(21) if is_prime(i)]
print("0 到 20 之间的质数:", primes)
执行效果：
0 到 20 之间的质数: [2, 3, 5, 7, 11, 13, 17, 19]💻练习题
单选题-5
1. 以下哪个是数组推导式的基本语法？
A. (expression for item in iterable)
B. [expression for item in iterable]
C. {expression for item in iterable}
D. [expression if condition for item in iterable]
2. 执行以下代码，结果是？
numbers = [i * 2 for i in [1, 2, 3]]
print(numbers)
A. [1, 2, 3]
B. [2, 4, 6]
C. [3, 6, 9]
D. [4, 8, 12]
3. 要从列表 [1, 2, 3, 4, 5] 中筛选出大于 3 的元素，正确的数组推导式是？
A. [i for i in [1, 2, 3, 4, 5] if i < 3]
B. [i for i in [1, 2, 3, 4, 5] if i > 3]
C. [i > 3 for i in [1, 2, 3, 4, 5]]
D. [i if i > 3 for i in [1, 2, 3, 4, 5]]
4. 以下关于嵌套数组推导式的说法，正确的是？
A. 只能有两层嵌套
B. 嵌套层数没有限制
C. 不能与条件判断结合使用
D. 只能用于创建二维列表
5. 执行以下代码，结果是？
matrix = [[i + j for j in range(2)] for i in range(2)]
print(matrix)
A. [[0, 1], [1, 2]]
B. [[0, 0], [1, 1]]
C. [[1, 2], [2, 3]]
D. [[0, 1], [2, 3]]
多选题-3
1. 数组推导式可以用于？
A. 创建列表
B. 筛选列表元素
C. 转换列表元素
D. 创建字典
2. 以下哪些是合法的数组推导式？
A. [i**2 for i in range (5)]
B. [i for i in range (10) if i % 2 == 0]
C. [[i * j for j in range (3)] for i in range (3)]
D. [i if i > 5 else 0 for i in range (10)]
3. 数组推导式结合条件判断可以实现？
A. 筛选出满足条件的元素
B. 对满足条件的元素进行转换
C. 对不满足条件的元素进行过滤
D. 对所有元素进行统一转换
判断题-2
- 数组推导式只能使用一次循环。（ ）
- 在数组推导式中，条件判断语句可以省略。（ ）
代码题-1
编写一个 Python 程序，使用数组推导式创建一个包含 1 到 10 之间所有奇数的平方的列表，并打印该列表。
📝答案解析
单选题
- 答案：B
- 数组推导式的基本语法是 [expression for item in iterable]，所以选 B。选项 A 是生成器表达式的语法；选项 C 是集合推导式或字典推导式的部分语法；选项 D 语法错误。
- 答案：B
- 数组推导式 [i * 2 for i in [1, 2, 3]] 会将列表 [1, 2, 3] 中的每个元素乘以 2，结果为 [2, 4, 6]，所以选 B。
- 答案：B
- 要筛选出大于 3 的元素，数组推导式应该是 [i for i in [1, 2, 3, 4, 5] if i > 3]，所以选 B。选项 A 筛选的是小于 3 的元素；选项 C 得到的是布尔值列表；选项 D 语法错误。
- 答案：B
- 嵌套数组推导式的嵌套层数没有限制，可以根据需要进行多层嵌套；可以与条件判断结合使用；不仅能用于创建二维列表，还能处理更高维度的数据。所以选 B。
- 答案：A
- 对于嵌套数组推导式 [[i + j for j in range(2)] for i in range(2)]，当 i = 0 时，内层循环生成 [0, 1]；当 i = 1 时，内层循环生成 [1, 2]，所以结果是 [[0, 1], [1, 2]]，选 A。
多选题
- 答案：ABC
- 数组推导式可以用于创建列表、筛选列表元素和转换列表元素，但不能直接用于创建字典。所以选 ABC。
- 答案：ABCD
- 选项 A 是基本的数组推导式，用于创建平方列表；选项 B 结合了条件判断，筛选出偶数；选项 C 是嵌套数组推导式，创建二维矩阵；选项 D 结合了条件表达式，对元素进行条件转换。所以 ABCD 都是合法的数组推导式。
- 答案：ABC
- 数组推导式结合条件判断可以筛选出满足条件的元素，对满足条件的元素进行转换，同时过滤掉不满足条件的元素，但不是对所有元素进行统一转换。所以选 ABC。
判断题
- 答案：错误
- 数组推导式可以使用多层循环，例如嵌套数组推导式就使用了多层循环。所以该说法错误。
- 答案：正确
- 在数组推导式中，条件判断语句是可选的，可以省略。基本的数组推导式 [expression for item in iterable] 就没有条件判断语句。所以该说法正确。
代码题
odd_squares = [i**2 for i in range(1, 11) if i % 2 != 0]
print(odd_squares)使用数组推导式，从 1 到 10 中筛选出奇数，然后计算其平方，将结果存储在列表 odd_squares 中并打印。
总结
本文全面介绍了 Python 数组推导式的相关知识，包括基础学习、与条件判断结合、嵌套数组推导式以及复杂场景应用。通过示例代码展示了数组推导式的强大功能和简洁性。练习题帮助巩固了所学内容，让我们更深入地理解和运用数组推导式。掌握数组推导式能使我们在处理列表数据时更加高效和灵活，是 Python 编程中一项重要的技能。
Python的优势对比于 C++ 的维度点说明
| 对比维度 | Python 优势 | C++ 情况 |
|---|---|---|
| 性能效率 | 1. 开发效率高：代码简洁，语法灵活，能够用较少的代码实现相同的功能，缩短开发周期。 2. 有高性能库支持：对于计算密集型任务，可以使用如 NumPy、Pandas 等高性能库，它们底层使用 C 或 Fortran 实现，能在一定程度上弥补 Python 执行速度慢的问题。 | 1. 开发效率低：代码相对冗长，需要编写更多的代码来实现相同功能，开发周期较长。 2. 开发难度大：需要手动管理内存，容易出现内存泄漏等问题，对开发者要求较高。 |
| 底层控制能力 | 1. 代码编写简单快速：无需关注底层硬件细节，能让开发者更专注于业务逻辑的实现，快速搭建应用原型。 2. 适合快速迭代开发：在应用开发过程中，能够快速对代码进行修改和调整，适应不断变化的需求。 | 1. 代码编写复杂：需要对底层硬件有深入了解，编写代码时要处理很多底层细节，开发难度大。 2. 开发周期长：由于需要关注底层，代码的修改和调整相对困难，不适合快速迭代开发。 |
| 语言特性 | 1. 语法简洁易懂：代码可读性高，易于学习和上手，降低了编程门槛，适合初学者。 2. 动态类型灵活：在编写代码时无需提前声明变量类型，能够根据需要灵活赋值，提高了代码的编写效率。 | 1. 语法复杂：学习成本较高，对于初学者来说有一定难度。 2. 静态类型不够灵活：在编写代码时需要提前声明变量类型，不够灵活，修改代码时可能需要对类型进行调整。 |
| 可移植性 | 1. 跨平台部署方便：只要安装了相应的 Python 解释器，代码可以在不同操作系统上轻松运行，无需重新编译。 2. 云服务支持好：很多云服务平台都提供了 Python 运行环境，方便将 Python 应用部署到云端。 | 1. 跨平台编译麻烦：不同操作系统的编译器和运行时环境可能存在差异，需要针对不同平台进行编译和调试。 2. 云服务集成复杂：将 C++ 应用部署到云服务平台时，需要处理更多的底层配置和依赖问题。 |
| 生态系统和工具链 | 1. 库丰富且易用：拥有大量的开源库和框架，涵盖了数据分析、机器学习、Web 开发等多个领域，能够快速实现各种功能。 2. 社区活跃：有庞大的开发者社区，遇到问题可以很容易找到解决方案和技术支持。 | 1. 库学习成本高：虽然有很多专业级库，但部分库的学习曲线较陡，使用起来有一定难度。 2. 社区相对较小：相比 Python 社区，C++ 社区规模相对较小，获取技术支持和解决方案的渠道相对较少。 |
| 安全性和稳定性 | 1. 内置安全机制：有一些内置的安全机制，如异常处理机制，能够在程序出现错误时进行捕获和处理，避免程序崩溃。 2. 代码审查相对容易：简洁的语法和动态类型使得代码结构相对简单，在代码审查时更容易发现问题。 | 1. 手动管理易出错：手动管理内存和资源容易出现错误，如内存泄漏、悬空指针等，影响程序的稳定性和安全性。 2. 代码审查复杂：由于语法复杂，代码结构可能比较复杂，在代码审查时需要花费更多的时间和精力。 |
扫一扫
184
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
