17.从入门到精通:Python 推导式 列表推导式 字典推导式 集合推导式 元组推导式(生成器表达式)

简介: 17.从入门到精通:Python 推导式 列表推导式 字典推导式 集合推导式 元组推导式(生成器表达式)

Python 推导式

列表推导式

在Python中,列表推导式是一种简洁的语法,可以快速生成一个新的列表。列表推导式的基本语法如下:

复制代码复制代码复制代码[expression for item in iterable if condition]


其中,expression表示要生成新列表中的每个元素的表达式;item表示可迭代对象中的每个元素;iterable表示可迭代对象,如列表、元组、字符串等;condition表示可选的条件,只有满足条件的元素才会被加入新列表中。

下面是一些使用列表推导式的例子:

# 生成一个包含1到10的平方数的列表
squares = [x**2 for x in range(1, 11)]
print(squares)
# 生成一个包含字符串长度大于3的字符串列表
words = ['apple', 'banana', 'orange', 'pear']
long_words = [word for word in words if len(word) > 3]
print(long_words)

在第一个例子中,我们使用列表推导式生成一个包含1到10的平方数的列表,表达式为x**2,item为x,iterable为range(1, 11),即1到10的整数序列。这个列表推导式等价于以下for循环:

squares = []
for x in range(1, 11):
    squares.append(x**2)

在第二个例子中,我们使用列表推导式生成一个包含字符串长度大于3的字符串列表,表达式为word,item为word,iterable为words列表,条件为len(word) > 3。这个列表推导式等价于以下for循环:

long_words = []
for word in words:
    if len(word) > 3:
        long_words.append(word)

使用列表推导式可以简化代码,提高代码的可读性和可维护性。


字典推导式

在Python中,字典推导式(dictionary comprehension)是一种简洁的创建字典的方式。它类似于列表推导式,但是可以用来创建字典。字典推导式的语法如下:

{key_expression: value_expression for expression in iterable}

其中,key_expression是用来生成字典的键的表达式,value_expression是用来生成字典的值的表达式,expression是一个可迭代对象,可以是列表、元组、集合等,用来遍历生成字典的键值对。

以下是一个使用字典推导式的示例,它将一个列表中的元素作为字典的键,将它们的长度作为字典的值:

words = ['apple', 'banana', 'cherry', 'date']
word_dict = {word: len(word) for word in words}
print(word_dict)

输出结果为:

{'apple': 5, 'banana': 6, 'cherry': 6, 'date': 4}
  • 在这个例子中,我们使用了一个字典推导式来创建一个字典,其中,键是列表中的元素,值是元素的长度。字典推导式的表达式为{word: len(word) for word inwords},它遍历了列表words中的所有元素,并将每个元素作为键,将其长度作为值,生成了一个新的字典。
  • 字典推导式可以让我们以一种简洁的方式创建字典,而不必使用传统的for循环和if语句。它非常适合用于处理大量数据,并可以帮助我们提高代码的可读性和可维护性。


集合推导式

在Python中,集合推导式是一种快速生成新集合的语法,与列表推导式类似。集合推导式的基本语法如下:

{expression for item in iterable if condition}

其中,expression表示要生成新集合中的每个元素的表达式;item表示可迭代对象中的每个元素;iterable表示可迭代对象,如列表、元组、字符串等;condition表示可选的条件,只有满足条件的元素才会被加入新集合中。

下面是一些使用集合推导式的例子:

# 生成一个包含1到10的平方数的集合
squares = {x**2 for x in range(1, 11)}
print(squares)
# 生成一个包含字符串长度大于3的字符串集合
words = {'apple', 'banana', 'orange', 'pear'}
long_words = {word for word in words if len(word) > 3}
print(long_words)

在第一个例子中,我们使用集合推导式生成一个包含1到10的平方数的集合,表达式为x**2,item为x,iterable为range(1, 11),即1到10的整数序列。

这个集合推导式等价于以下for循环:

squares = set()
for x in range(1, 11):
    squares.add(x**2)

在第二个例子中,我们使用集合推导式生成一个包含字符串长度大于3的字符串集合,表达式为word,item为word,iterable为words集合,条件为len(word) > 3。

这个集合推导式等价于以下for循环

long_words = set()
for word in words:
    if len(word) > 3:
        long_words.add(word)

使用集合推导式可以快速生成新集合,并去除其中的重复元素。


元组推导式(生成器表达式)

在Python中,元组推导式也称为生成器表达式(generator expression),是一种简洁的生成元组的方式。

它类似于列表推导式和字典推导式,但是可以用来创建生成器。元组推导式的语法如下:

(expression for variable in iterable)

其中,expression是生成器中的表达式,variable是用来遍历可迭代对象的变量,iterable是一个可迭代对象,可以是列表、元组、集合等。

以下是一个使用元组推导式的示例,它将一个列表中的偶数元素生成一个生成器:

numbers = [1, 2, 3, 4, 5, 6]
even_numbers = (num for num in numbers if num % 2 == 0)
print(tuple(even_numbers))

输出结果为:

(2, 4, 6)

在这个例子中,我们使用了一个元组推导式来创建一个生成器,其中,表达式为num,变量为num,可迭代对象为numbers,它遍历了列表numbers中的所有元素,并将其中的偶数元素生成了一个新的生成器even_numbers。最后,我们使用tuple()函数将生成器转换为元组,并打印出结果。


元组推导式可以让我们以一种简洁的方式创建生成器,而不必使用传统的for循环和if语句。它非常适合用于处理大量数据,并可以帮助我们提高代码的可读性和可维护性。


相关文章
|
14天前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
119 1
|
13天前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
146 2
|
19天前
|
调度 数据库 Python
Python异步编程入门:asyncio让并发变得更简单
Python异步编程入门:asyncio让并发变得更简单
92 5
|
1月前
|
数据采集 存储 XML
Python爬虫入门(1)
在互联网时代,数据成为宝贵资源,Python凭借简洁语法和丰富库支持,成为编写网络爬虫的首选。本文介绍Python爬虫基础,涵盖请求发送、内容解析、数据存储等核心环节,并提供环境配置及实战示例,助你快速入门并掌握数据抓取技巧。
|
1月前
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
75 0
|
1月前
|
存储 缓存 安全
Python字典:从入门到精通的实用指南
Python字典如瑞士军刀般强大,以键值对实现高效数据存储与查找,广泛应用于配置管理、缓存、统计等场景。本文详解字典基础、进阶技巧、实战应用与常见陷阱,助你掌握这一核心数据结构,写出更高效、优雅的Python代码。
44 0
|
2月前
|
数据挖掘 数据处理 C++
Python Lambda:从入门到实战的轻量级函数指南
本文通过10个典型场景,详解Python中Lambda匿名函数的用法。Lambda适用于数据处理、排序、条件筛选、事件绑定等简洁逻辑,能提升代码简洁性和开发效率。同时提醒避免在复杂逻辑中过度使用。掌握Lambda,助你写出更高效的Python代码。
124 0
|
19天前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
191 102
|
19天前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
193 104
|
19天前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
185 103

推荐镜像

更多