La compréhension de listes est une manière concise et élégante de créer des listes en Python. Avec les compréhensions de listes, vous pouvez générer une nouvelle liste à partir d’un ou plusieurs objets itérables (tels que des listes, des tuples, des chaînes de caractères, des ensembles, etc.), tout en filtrant et en transformant les éléments pendant le processus de génération. Les compréhensions de listes rendent non seulement le code plus concis, mais améliorent également la lisibilité et l’efficacité d’exécution.

Syntaxe de base

La syntaxe de base d’une compréhension de liste est la suivante :

[表达式 for 元素 in 可迭代对象 if 条件]
  • Expression: Il s’agit de l’opération ou de la transformation que vous souhaitez effectuer sur chaque élément.
  • Élément: Représente l’élément actuellement en cours d’itération.
  • 可迭代对象: 您想要迭代的对象,例如列表、元组、字符串等。
  • 条件(可选): 过滤条件,满足条件的元素将被包含在结果列表中。

Exemples de base

以下是列表推导式的一些示例。

生成一个平方数列表

Exemple

squares = [x**2 for x in range(10)]
print(squares)  # Output: [0, 1, 4, 6, 8, 10, 12, 14, 16, 18]

生成一个偶数列表

Exemple

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

生成字符串中每个字符的大写形式:

Exemple

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

3. Boucles imbriquées

Les compréhensions de listes peuvent aussi contenir des boucles imbriquées pour traiter des structures de données multidimensionnelles ou générer des combinaisons. Par exemple :

Exemple

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

Traitement d'une matrice

Exemple

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

4. Filtrage conditionnel

Vous pouvez ajouter des conditions à une compréhension de liste pour filtrer les éléments qui ne satisfont pas la condition.

Filtrer les nombres négatifs

Exemple

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

Filtrer et transformer

Exemple

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

5. Expressions complexes

Les compréhensions de listes ne se limitent pas aux expressions et conditions simples ; vous pouvez effectuer des opérations plus complexes dans l'expression :

Filtrage et transformation multi-conditions

Exemple

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

Utilisation des fonctions

Exemple

def square(x):
    return x**2

squares = [square(x) for x in range(10)]
print(squares)  # Output: [0, 1, 4, 6, 8, 10, 12, 14, 16, 18]

6. Remarques

  • Lisibilité: Bien que les compréhensions de listes puissent rendre le code plus concis, des compréhensions de listes trop complexes peuvent nuire à la lisibilité. Dans de tels cas, il peut être préférable d'utiliser une boucle classique.
  • Performance: Les compréhensions de listes sont plus efficaces que les boucles classiques dans la plupart des cas, mais lorsqu'on traite de très grands ensembles de données, les expressions génératrices peuvent être un meilleur choix car elles ne génèrent pas toute la liste d'un coup, mais génèrent les éléments à la demande.