Python推导式功能：一行代码搞定复杂逻辑

对话实录

小白：（抓狂）我写了 10 行循环，同事用 1 行就搞定了！

专家：（掏出魔杖）掌握推导式，代码瞬间瘦身！

三大推导式

1. 列表推导式

传统写法需要先创建一个空列表，然后通过循环逐个计算并添加元素。

# ✅ 传统写法
squares = []
for x in range(5):
 squares.append(x**2)

而使用列表推导式，只需一行代码就能完成相同功能。

它的结构是[表达式 for 变量 in 可迭代对象] 或者 [表达式 for 变量 in 可迭代对象 if 条件表达式] 或者 [表达式A if 条件表达式 else 表达式B for 变量 in 可迭代对象]

# ✅ 推导式写法
squares = [x**2 for x in range(5)] # → [0,1,4,9,16]
squares = [x**2 for x in range(5) if x%2==0] # → [0,4,16]
squares = [x**2 if x%2==0 else x**3 for x in range(5) ] # → [0,1，4,27，16]

专家提醒：推导式比map+lambda更 Pythonic！map结合lambda也能实现类似功能，但代码相对更复杂，不够简洁直观，比如list(map(lambda x: x**2, range(5)))。

2. 字典推导式

传统方式构建字典，需要先初始化一个空字典，再通过循环逐个添加键值对。

#✅  传统写法
dict1 = {}
for x in range(5):
 dict1[x] = x**2

字典推导式的结构是{键表达式: 值表达式 for 变量 in 可迭代对象} 或者 {键表达式: 值表达式 for 变量 in 可迭代对象 if 条件表达式} 或者 {键表达式: 值表达式 if 条件表达式 else 值表达式 for 变量 in 可迭代对象}，可以快速生成字典。

# ✅ 推导式写法
dict1 = {x: x**2 for x in range(5)} # → {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
dict2 = {x: x**2 for x in range(5) if x%2==0} # → {0:0,2:4,4:16}
dict3 = {x: x**2 if x%2==0 else x**3 for x in range(5)} # → {0: 0, 1: 1, 2: 4, 3: 27, 4: 16}

3. 集合推导式

传统方式构建集合，需要先初始化一个空集合，再通过循环逐个添加值。

# ✅ 传统写法
set1 = set() 
# ❌不能用set1={} 这是定义一个空字典
for x in range(5):
 set1.add(x**2) #-> {0, 1, 4, 9, 16}

集合推导式的结构是{表达式 for 变量 in 可迭代对象} 或者 {表达式 for 变量 in 可迭代对象 if 条件表达式} 或者 {表达式A if 条件表达式 else 表达式B for 变量 in 可迭代对象}，可以快速生成集合。

# 推导式写法
set1 = {x**2 for x in range(5)} # → {0, 1, 4, 9, 16}
set2 = {x**2 for x in range(5) if x%2==0} # → {0, 4, 16}
set3 = {x**2 if x%2==0 else x**3 for x in range(5)} # → {0, 1, 4, 16, 27}

四大实战案例

案例 1：多重条件过滤

# 多重条件
nums = [x for x in range(20) if x%2==0 if x>10] # → [12,14,16,18]

案例 2：嵌套推导式

对于矩阵转置，传统方法较为复杂，需要嵌套循环。而嵌套推导式通过两层循环实现转置。外层循环遍历列索引，内层循环遍历行，根据行列索引获取元素组成新的矩阵。

# 矩阵转置
matrix = [[1,2,3],[4,5,6],[7,8,9]]
transposed = [[row[i] for row in matrix] for i in range(3)]
# → [[1,4,7],[2,5,8],[3,6,9]]

案例 3：字典键值互换

传统方法需遍历字典，逐个交换键值对创建新字典。字典推导式则简洁很多，使用items()方法获取键值对，然后交换位置生成新字典。

data = {"a":1, "b":2, "c":3}
inverted = {v:k for k,v in data.items()} # → {1:"a",2:"b",3:"c"}

案例4：嵌套解包

在二维列表展开时，传统方法需要嵌套循环遍历。嵌套解包的推导式可以简洁地将二维列表扁平化。先遍历外层列表，再遍历内层列表，将元素逐个取出组成新列表。

# 二维列表展开
matrix = [[1,2],[3,4]]
flat = [x for row in matrix for x in row] # → [1,2,3,4]

三大血泪陷阱

 过度嵌套

过度嵌套的推导式虽然代码简洁，但可读性极差，维护困难。

# 难以阅读的写法
result = [[x*y for y in range(10)] for x in range(10)]

建议拆分成更易读的形式，先创建外层列表，再在内层使用推导式填充。

# ✅建议拆分
rows = []
for x in range(10):
 row = [x*y for y in range(10)]
 rows.append(row)

 副作用问题

推导式中对原列表进行修改会产生副作用，改变原数据结构，这通常不是我们期望的。

# ❌错误示范
[x.append(1) for x in [[], [], []]] # 修改了原列表！

正确做法是创建新列表，通过连接操作实现类似效果，不会影响原列表。

# ✅正确做法
new_lists = [x + [1] for x in [[], [], []]]

 性能陷阱

错误的写法会导致性能问题，比如在大范围内进行不必要的查找判断。

# ❌错误示范
[x for x in range(10**6) if x in set(range(0,10**6,2))] # 慢！

应直接使用步长来生成符合条件的序列，避免不必要的集合操作，提升性能。

# ✅正确做法
[x for x in range(0,10**6,2)]

专家工具箱

1.生成器表达式

生成器表达式和列表推导式语法相似，只是把方括号换成圆括号。它不会一次性生成所有元素，而是按需生成，节省内存，适合处理大规模数据。使用next()函数可以逐个获取元素。

# 节省内存
squares = (x**2 for x in range(10**6))
print(next(squares)) # → 0

小白：（献上膝盖）原来推导式这么强大！

专家：（扶起小白）记住：推导式是 Python 的语法糖，但别贪吃哦！