List Comprehensions sind eine prägnante und elegante Möglichkeit, Listen in Python zu erstellen. Mit List Comprehensions können Sie aus einem oder mehreren iterierbaren Objekten (wie Listen, Tupeln, Zeichenketten, Mengen usw.) eine neue Liste erzeugen und dabei Elemente während des Erzeugungsprozesses filtern und transformieren. List Comprehensions machen den Code nicht nur prägnanter, sondern verbessern auch die Lesbarkeit und die Ausführungseffizienz.

Grundlegende Syntax

Die grundlegende Syntax einer List Comprehension lautet wie folgt:

[表达式 for 元素 in 可迭代对象 if 条件]
  • Ausdruck: Dies ist die Operation oder Transformation, die Sie für jedes Element ausführen möchten.
  • Element: Repräsentiert das Element, das gerade iteriert wird.
  • Iterierbares Objekt: Das Objekt, über das Sie iterieren möchten, wie eine Liste, ein Tupel, eine Zeichenkette usw.
  • Bedingung(Optional): Eine Filterbedingung. Nur Elemente, die die Bedingung erfüllen, werden in die resultierende Liste aufgenommen.

Grundlegende Beispiele

Die folgenden sind einige Beispiele für List Comprehensions.

Erzeugen Sie eine Liste mit Quadratzahlen

Beispiel

squares = [x**2 for x in range(10)]
print(squares)  # Ausgabe: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

Erzeugen Sie eine Liste mit geraden Zahlen

Beispiel

evens = [x for x in range(20) if x % 2 == 0]
print(evens)  # Ausgabe: [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

Erzeugen Sie die Großbuchstabenform jedes Zeichens in einer Zeichenkette:

Beispiel

uppercase_chars = [char.upper() for char in 'hello']
print(uppercase_chars)  # Ausgabe: ['H', 'E', 'L', 'L', 'O']

3. Verschachtelte Schleifen

Listen-Comprehensions können auch verschachtelte Schleifen enthalten, um mehrdimensionale Datenstrukturen zu verarbeiten oder Kombinationen zu erzeugen. Zum Beispiel:

Beispiel

cartesian_product = [(x, y) for x in range(3) for y in range(3)]
print(cartesian_product)  # Ausgabe: [(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)]

Verarbeitung einer Matrix

Beispiel

matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flatten = [elem for row in matrix for elem in row]
print(flatten)  # Ausgabe: [1, 2, 3, 4, 5, 6, 7, 8, 9]

4. Bedingtes Filtern

Sie können Bedingungen zu einer Listen-Comprehension hinzufügen, um Elemente herauszufiltern, die die Bedingung nicht erfüllen.

Negative Zahlen herausfiltern

Beispiel

numbers = [-5, -3, -1, 0, 2, 4, 6]
positive_numbers = [x for x in numbers if x >= 0]
print(positive_numbers)  # Ausgabe: [0, 2, 4, 6]

Filtern und Transformieren

Beispiel

words = ['apple', 'banana', 'cherry', 'date']
capitalized_words = [word.capitalize() for word in words if len(word) > 5]
print(capitalized_words)  # Ausgabe: ['Banana', 'Cherry']

5. Komplexe Ausdrücke

Listen-Komprehensionen sind nicht auf einfache Ausdrücke und Bedingungen beschränkt; Sie können komplexere Operationen im Ausdruck ausführen:

Mehrbedingte Filterung und Transformation

Beispiel

numbers = range(10)
result = [x**2 if x % 2 == 0 else x**3 for x in numbers if x > 0]
print(result)  # Ausgabe: [1, 4, 27, 16, 125, 36, 343, 64, 729]

Funktionen verwenden

Beispiel

def square(x):
    return x**2

squares = [square(x) for x in range(10)]
print(squares)  # Ausgabe: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

6. Hinweise

  • Lesbarkeit: Obwohl Listenkomprehensionen den Code prägnanter machen können, können übermäßig komplexe Listenkomprehensionen die Lesbarkeit beeinträchtigen. In solchen Fällen kann die Verwendung einer normalen Schleife besser sein.
  • Leistung: Listenkomprehensionen sind in den meisten Fällen effizienter als normale Schleifen, aber bei sehr großen Datensätzen können Generatorausdrücke die bessere Wahl sein, da sie nicht die gesamte Liste auf einmal erzeugen, sondern Elemente bei Bedarf generieren.