Python推导式编程

简介: Python推导式编程:列表推导式、字典推导式、集合推导式

推导式comprehensions(又称解析式),是Python的一种独有特性。推导式是可以从一个数据序列构建另一个新的数据序列的结构体, 共有三种推导,在Python2和3中都有支持:

◆ 列表(list)推导式

◆ 字典(dict)推导式

◆ 集合(set)推导式

一、列表推导式

列表推导式书写形式:

[表达式 for 变量 in 列表] 或者 [表达式 for 变量 in 列表 if 条件]

1.无条件判断条件的推导式

例如:我们有一个列表list1,现在需要将list1中的每个元素都乘以2,并添加到一个新列表里,然后打印这个新列表。

先看常规for循环的写法:

list1= [1, 2, 3, 4, 5, 6, 7]
new_list= []
foriinlist1:
i=i*2new_list.append(i)
print(new_list)  # [2, 4, 6, 8, 10, 12, 14]

列表推导式写法:

# 列表推导式list1= [1, 2, 3, 4, 5, 6, 7]
new_list= [i*2foriinlist1]  # 无判断条件的推导式print(new_list)  # [2, 4, 6, 8, 10, 12, 14]

可以看到,采用列表推导式后,代码量就由6行缩减至了3行

2.有条件判断的推导式

但是在实际工作中,我们遇到的情况可能会更复杂,比如涉及到条件判断。在列表推导式中,也是可以写if语句的。

同样地,先看常规for循环的写法:

list1= [1, 2, 3, 4, 5, 6, 7]
new_list= []
foriinlist1:
ifi==2:
i=i*2new_list.append(i)
print(new_list)  # [4]

列表推导式写法:

# 有判断条件的推导式list1= [1, 2, 3, 4, 5, 6, 7]
num= [i*2foriinlist1ifi==2]
print(num)  # [4]

可以看到,采用列表推导式后,代码量就由7行缩减至了3行。

3.多层循环嵌套的推导式

列表推导式并没有限制循环层数,多层循环就是一层一层的嵌套,你可以展开一个两层或三层的列表推导式,例如我们上一篇文章在介绍for循环时提到的利用双层for循环打印“九九乘法表”,

普通的for循环写法:

# 九九乘法表foriinrange(1, 10):
forjinrange(1, i+1):
print("{} * {} = {}".format(j, i, i*j), end=" ")
print()

这里我们用列表推导式来实现一下:

print('\n'.join([' '.join([f"{j} * {i} = {j*i}"forjinrange(1, i+1)]) foriinrange(1, 10)]))

打印效果如下:

可以看出,尽管代码缩减到了一行就能够实现打印九九乘法表,但带来的问题同样显而易见:可读性差!时间久了,可能我们自己都忘记这段代码的逻辑。所以,过于复杂的场景、尤其是多层for循环嵌套不推荐使用列表推导式进行实现。

二、字典推导式

字典推导和列表推导的使用方法是类似的,只把中括号该改成大括号。

# 字典推导式dict1= {"name": "chen", "age": 28, "num": 227}
new_dict= {k: vfork, vindict1.items()}
print(new_dict)  # {'name': 'chen', 'age': 28, 'num': 227}new_dict_reverse= {v: kfork, vindict1.items()}  # 字典键值互换位置print(new_dict_reverse)  # {'chen': 'name', 28: 'age', 227: 'num'}

三、集合推导式

集合推导式跟列表推导式差不多,都是对一个列表的元素全部执行相同的操作,但集合是一种无重复无序的序列

跟列表推到式的区别在于:

  • 不使用中括号,使用大括号;
  • 结果中无重复;
  • 结果是一个set()集合;

例如我们相对集合中的每一个元素都乘以元素本身,即求平方,然后生成一个新的集合。

先来看一下常规的for循环写法:

set1= {1, 2, 3, 4, 5, 6, 7}
new_set=set({})
foriinset1:
i=i**2new_set.add(i)
print(new_set)

集合推导式写法:

# 集合推导式set1= {1, 2, 3, 4, 5, 6, 7}
new_set= {i**2foriinset1}  # 遍历集合的元素,返回元素的平方print(new_set)  # {1, 4, 36, 9, 16, 49, 25}

总结

推导式常用于转换数据过滤数据等场景,并不是所有的场景都适合使用推导式,在追求代码运行效率的同时,也要关注代码可读性,而不是一味追求“逼格”。

相关文章
|
17天前
|
人工智能 数据可视化 数据挖掘
探索Python编程:从基础到高级
在这篇文章中,我们将一起深入探索Python编程的世界。无论你是初学者还是有经验的程序员,都可以从中获得新的知识和技能。我们将从Python的基础语法开始,然后逐步过渡到更复杂的主题,如面向对象编程、异常处理和模块使用。最后,我们将通过一些实际的代码示例,来展示如何应用这些知识解决实际问题。让我们一起开启Python编程的旅程吧!
|
16天前
|
存储 数据采集 人工智能
Python编程入门:从零基础到实战应用
本文是一篇面向初学者的Python编程教程,旨在帮助读者从零开始学习Python编程语言。文章首先介绍了Python的基本概念和特点,然后通过一个简单的例子展示了如何编写Python代码。接下来,文章详细介绍了Python的数据类型、变量、运算符、控制结构、函数等基本语法知识。最后,文章通过一个实战项目——制作一个简单的计算器程序,帮助读者巩固所学知识并提高编程技能。
|
4天前
|
Unix Linux 程序员
[oeasy]python053_学编程为什么从hello_world_开始
视频介绍了“Hello World”程序的由来及其在编程中的重要性。从贝尔实验室诞生的Unix系统和C语言说起,讲述了“Hello World”作为经典示例的起源和流传过程。文章还探讨了C语言对其他编程语言的影响,以及它在系统编程中的地位。最后总结了“Hello World”、print、小括号和双引号等编程概念的来源。
98 80
|
3天前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
16 2
|
16天前
|
小程序 开发者 Python
探索Python编程:从基础到实战
本文将引导你走进Python编程的世界,从基础语法开始,逐步深入到实战项目。我们将一起探讨如何在编程中发挥创意,解决问题,并分享一些实用的技巧和心得。无论你是编程新手还是有一定经验的开发者,这篇文章都将为你提供有价值的参考。让我们一起开启Python编程的探索之旅吧!
41 10
|
18天前
|
机器学习/深度学习 人工智能 数据挖掘
探索Python编程的奥秘
在数字世界的海洋中,Python如同一艘灵活的帆船,引领着无数探险者穿梭于数据的波涛之中。本文将带你领略Python编程的魅力,从基础语法到实际应用,一步步揭开Python的神秘面纱。
37 12
|
17天前
|
IDE 程序员 开发工具
Python编程入门:打造你的第一个程序
迈出编程的第一步,就像在未知的海洋中航行。本文是你启航的指南针,带你了解Python这门语言的魅力所在,并手把手教你构建第一个属于自己的程序。从安装环境到编写代码,我们将一步步走过这段旅程。准备好了吗?让我们开始吧!
|
18天前
|
关系型数据库 开发者 Python
Python编程中的面向对象设计原则####
在本文中,我们将探讨Python编程中的面向对象设计原则。面向对象编程(OOP)是一种通过使用“对象”和“类”的概念来组织代码的方法。我们将介绍SOLID原则,包括单一职责原则、开放/封闭原则、里氏替换原则、接口隔离原则和依赖倒置原则。这些原则有助于提高代码的可读性、可维护性和可扩展性。 ####
|
16天前
|
人工智能 数据挖掘 开发者
探索Python编程之美:从基础到进阶
本文是一篇深入浅出的Python编程指南,旨在帮助初学者理解Python编程的核心概念,并引导他们逐步掌握更高级的技术。文章不仅涵盖了Python的基础语法,还深入探讨了面向对象编程、函数式编程等高级主题。通过丰富的代码示例和实践项目,读者将能够巩固所学知识,提升编程技能。无论你是编程新手还是有一定经验的开发者,这篇文章都将为你提供有价值的参考和启示。让我们一起踏上Python编程的美妙旅程吧!
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
下一篇
DataWorks