Una lista por comprensión es un método conciso y elegante en Python para crear listas. Mediante la lista por comprensión, se puede generar una nueva lista a partir de uno o varios objetos iterables (como listas, tuplas, cadenas, conjuntos, etc.), y al mismo tiempo se pueden filtrar y transformar los elementos durante el proceso de generación. La lista por comprensión no solo hace que el código sea más conciso, sino que también mejora la legibilidad y la eficiencia de ejecución.

Sintaxis básica

La sintaxis básica de la lista por comprensión es la siguiente:

[表达式 for 元素 in 可迭代对象 if 条件]
  • Expresión: es la operación o transformación que deseas aplicar a cada elemento.
  • Elemento: representa el elemento actual de la iteración.
  • Objeto iterable: el objeto que deseas recorrer, como listas, tuplas, cadenas, etc.
  • Condición(opcional): una condición de filtrado; solo los elementos que cumplan la condición se incluirán en la lista generada.

Ejemplos básicos

A continuación se muestran algunos ejemplos de listas por comprensión.

Generar una lista de cuadrados

Ejemplo

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

Generar una lista de números pares

Ejemplo

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

Generar la forma en mayúsculas de cada carácter de una cadena:

Ejemplo

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

3. Bucles anidados

Las listas por comprensión también pueden contener bucles anidados para procesar estructuras de datos multidimensionales o generar combinaciones. Por ejemplo:

Ejemplo

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

Procesar matrices

Ejemplo

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

4. Filtrado condicional

Puedes agregar condiciones en la lista por comprensión para filtrar los elementos que no cumplan la condición.

Filtrar números negativos

Ejemplo

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

Filtrar y transformar

Ejemplo

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

5. Expresiones complejas

Las listas por comprensión no se limitan a expresiones y condiciones simples; puedes realizar operaciones más complejas en la expresión:

Filtrado y transformación con múltiples condiciones

Ejemplo

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

Usar funciones

Ejemplo

def square(x):
    return x**2

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

6. Consideraciones

  • Legibilidad: Aunque las listas por comprensión pueden hacer que el código sea más conciso, las listas por comprensión demasiado complejas pueden afectar la legibilidad. En tales casos, puede ser mejor usar un bucle normal.
  • Rendimiento: Las listas por comprensión son más eficientes que los bucles normales en la mayoría de los casos, pero al manejar conjuntos de datos muy grandes, las expresiones generadoras pueden ser una mejor opción, ya que no generan toda la lista de una vez, sino que generan elementos según sea necesario.