【Python】列表解析（List Comprehensions）

基础

在Python中，列表解析是一种优雅且简洁的方法，用于根据已有列表创建新列表。例如，如果想要对一个列表中的每个元素取平方，使用传统的循环方法可能会这样写：

numbers = [1, 2, 3, 4, 5]
squared = []
for number in numbers:
	squared.append(number ** 2)

print(squared)  # 输出: [1, 4, 9, 16, 25]

使用列表解析，可以使用更简洁的代码达到同样的效果：

numbers = [1, 2, 3, 4, 5]
squared = [number ** 2 for number in numbers]

print(squared)  # 输出: [1, 4, 9, 16, 25]

添加条件：也可以在列表解析中加入条件表达式来进一步地过滤元素。比如，只对大于2的元素进行平方操作：

numbers = [1, 2, 3, 4, 5]
squared = [number ** 2 for number in numbers if number > 2]

print(squared)  # 输出: [9, 16, 25]

列表解析不仅代码看起来更简洁，而且在很多情况下，执行效率也比传统的循环方法要高。

这种方式不仅限于列表，类似的解析方法也可以用在字典/集合上，使Python代码既简洁又高效。就像下面这个例子：

my_dict = {i: i * i for i in xrange(100)} 
my_set = {i * 15 for i in xrange(100)}

进阶

接下来更深入地了解一下列表解析的概念，包括它的一些变体和高级用法。

多个 if 子句：列表解析可以包含多个 if 子句，它们会作为过滤条件，必须同时满足所有条件的元素才会被包含在结果列表中：

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
filtered_numbers = [number for number in numbers if number > 4 if number % 2 == 0]
print(filtered_numbers)  # 输出: [6, 8, 10]

if-else 表达式：还可以在列表解析中使用完整的 if-else 条件表达式，以便基于条件设置列表元素的值。

numbers = [1, 2, 3, 4, 5]
squared_numbers = [number ** 2 if number % 2 == 0 else number ** 3 for number in numbers]
print(squared_numbers)  # 输出: [1, 4, 27, 16, 125]

嵌套循环：列表解析同样可以包含嵌套循环。例如，下面的代码段展示了如何使用列表解析生成一个笛卡尔积：

colors = ["red", "green", "blue"]
things = ["house", "car", "tree"]
colored_things = [(color, thing) for color in colors for thing in things]
# 输出: [('red', 'house'), ('red', 'car'), ('red', 'tree'), ('green', 'house'), ... ]

嵌套列表解析：如果需要处理的是二维列表，可以使用嵌套列表解析。

matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flattened = [num for row in matrix for num in row]
print(flattened)  # 输出: [1, 2, 3, 4, 5, 6, 7, 8, 9]

注意：这里for row in matrix 是外部循环，for num in row 是内部循环。该解析会依次取出 matrix 中的每个列表（row），然后再依次取出这些列表中的每个元素（num）。

列表解析与函数：列表解析也可以与函数配合使用，如下所示：

def is_prime(number):
    if number < 2:
        return False
    for i in range(2, int(number ** 0.5) + 1):
        if number % i == 0:
            return False
    return True

primes = [number for number in range(2, 50) if is_prime(number)]
print(primes)  # 输出: [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47]

在这个例子中，列表解析调用了 is_prime 函数，它根据条件选择性地将数字包含在列表中。

生成器表达式

如果处理的是非常大的数据集，列表解析可能不是最佳的选择，因为它会一次性生成并保存整个列表，这可能消耗大量的内存。在这种情况下，可以使用生成器表达式代替列表解析。

生成器表达式看起来非常类似于列表解析，但是用圆括号 () 来代替了方括号 []。

numbers = range(10)
squared_numbers_generator = (number ** 2 for number in numbers)

上面的代码不会立即执行计算，而是返回一个生成器对象。你可以通过迭代生成器来逐个产生值，这样就不需要在内存中同时存储所有的平方数。

for squared_number in squared_numbers_generator:
    print(squared_number)

生成器是按需生成值，这意味着它只在迭代到相应的位置时才会计算并return下一个值。

列表解析的替代方法

除了生成器表达式之外，还有其他几种可以达到类似效果的工具，例如：

• filter() 函数: 结合 lambda 函数，可以用来过滤列表中的元素。
• map() 函数: 结合 lambda 函数，可以对列表中的每个元素执行操作。
• 内置的 sum(), max(), min() 等聚合函数: 允许对系列进行计算，有时在结合生成器表达式时效率更高。

列表解析的使用

当选择是否使用列表解析时，请考虑以下因素：

• 性能: 列表解析通常比相同的for循环执行得更快。
• 内存: 如果列表很大，需要考虑内存使用。生成器表达式可能更合适。
• 可读性: 确保列表解析易于理解。如果它太复杂，考虑使用for循环或将逻辑拆分为函数。
• 复杂性: 如果代码涉及多个嵌套循环或多个条件的组合，列表解析可能会变得难以解读和维护，特别是对于团队协作或长期项目来说。

最后：

列表解析是Python的语法糖，是编写简洁而高效代码的一种强大方式。但是使用时还是要注意不要牺牲了代码的可维护性和可读性。适度使用列表解析，可以使Python代码变得更加Pythonic。