Python的推导式是一种强大的数据结构生成工具，它不仅能提升代码的可读性，还能在很大程度上优化性能。本文将详细介绍四种主要的推导式——列表推导式、字典推导式、集合推导式和生成器推导式。

1. 列表推导式：快速构造列表

1.1 基础用法

列表推导式是最常用的推导式类型之一，它提供了一种非常简洁的方式来创建列表。

这种形式非常适合用来替代简单的循环语句。例如，生成一个包含0到9每个数字平方的列表：

# 列表推导式基本语法： [element for element in iterable if condition]
squares = [x**2 for x in range(10)]
print(squares)
# 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

上述代码中，x**2 是列表中的新元素，x in range(10) 遍历0到9，x**2 对每个x计算平方。这比传统的for循环更加直观和简洁。

1.2 条件筛选

列表推导式可以包含条件表达式，用于筛选符合条件的元素。例如，从列表中选出所有偶数：

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

这里，if x % 2 == 0 是一个条件判断，只有当x为偶数时，它才会被加入到新的列表中。

2. 字典推导式：动态构建字典

2.1 基础用法

字典推导式可以快速地从一组键值对生成字典，是处理键值数据时非常有用的工具。

例如，将两个列表转化为一个字典，其中一个列表作为键，另一个列表作为值：

# 基本语法：{key_expression: value_expression for item in iterable if condition}
keys = ["name", "age", "gender"]
values = ["Alice", 28, "female"]
info_dict = {keys[i]: values[i] for i in range(len(keys))}
print(info_dict)
# 输出: {'name': 'Alice', 'age': 28, 'gender': 'female'}

这个例子中，range(len(keys)) 生成索引序列，用来同时从keys和values取值。

2.2 使用条件过滤

字典推导式同样可以包含条件表达式。例如，过滤掉某些不符合条件的元素：

scores = {"Alice": 88, "Bob": 59, "Cathy": 97}
passed = {name: score for name, score in scores.items() if score >= 60}
print(passed)
# 输出: {'Alice': 88, 'Cathy': 97}

这里，if score >= 60 确保只有分数达到60分以上的学生才会被包含在新的字典中。

3. 集合推导式：有效去重与数据筛选

集合推导式是一种构建集合的简洁方式，非常适合于去除列表或其他可迭代对象中的重复元素。集合（Set）是一个无序的不包含重复元素的数据结构，因此它是实现元素唯一性的理想选择。

3.1 基本语法与应用

集合推导式的基本语法：{expression for item in iterable if condition}

这里的expression是根据迭代的item计算得到的表达式，iterable是一个序列、集合或任何迭代器，而condition是一个可选的条件表达式，用于筛选满足条件的项。

3.2 去重和转换

假设你有一个包含多个重复数字的列表，你想去除重复项，并将每个数字增加1：

numbers = [1, 2, 2, 3, 4, 4, 4, 5]
unique_numbers = {x + 1 for x in numbers}
print(unique_numbers)
# 输出: {2, 3, 4, 5, 6}

在这个例子中，表达式x + 1确保了集合中每个元素都是原始元素加一的结果，而集合的自然属性保证了所有元素的唯一性。

3.2 使用条件过滤

集合推导式可以结合条件表达式，使其更加强大。例如，筛选大于3的元素，只保留这些元素的平方：

numbers = [1, 2, 2, 3, 4, 4, 4, 5]
filtered_squares = {x**2 for x in numbers if x > 3}
print(filtered_squares)
# 输出: {16, 25}

这里，条件if x > 3用于筛选出大于3的元素，表达式x**2则对筛选后的元素进行平方运算。

4. 生成器推导式：节约内存的迭代器

4.1 基础语法和解释

在Python中，术语“生成器推导式”（Generator Comprehensions）经常使人误以为会生成一个元组，因为它在语法上看起来与列表推导式非常相似，只是使用圆括号代替方括号。实际上，这种表达式生成的是一个生成器对象，而不是元组，这就是为什么它被称为生成器推导式而不是元组推导式。

生成器对象

生成器是一种迭代器，它支持延迟执行（惰性求值），只在需要时才生成或计算下一个值。这种特性使生成器非常适合处理大型数据集或复杂计算，因为它们不需要在内存中同时存储所有项。

语法和行为

生成器推导式的基本语法：(expression for item in iterable if condition)

这与列表推导式非常相似，但生成器推导式返回的是一个生成器对象。这意味着计算值的过程是按需进行的（惰性的），而不是立即计算出所有值。

4.2 为什么不是“元组推导式”

元组是不可变的数据结构，一旦创建就不能更改。如果Python支持所谓的“元组推导式”，按照推导式的定义，它将一次性计算所有值并将它们存储在元组中，这与生成器的按需生成和低内存消耗的特性完全相反。

实际上，当使用看似元组推导式的语法时（使用圆括号），Python解释器实际上是创建了一个生成器对象。

# 生成器推导式：(expression for item in iterable if condition)
squares = (x**2 for x in range(10))# 使用生成器
for square in squares:print(square)
# 这将按需打印每个数的平方，而不是一次性计算所有平方。

如果尝试使用类似推导式的语法来创建元组，例如通过将生成器推导式直接转换为元组，可以使用以下方法：

# 将生成器推导式的结果转换为元组
squares_tuple = tuple(x**2 for x in range(10))
print(squares_tuple)
# 输出: (0, 1, 4, 9, 16, 25, 36, 49, 64, 81)

总结来说，没有所谓的“元组推导式”，因为生成器推导式的设计初衷是为了按需生成值，减少内存消耗，而不是一次性构建一个完整的不可变序列。这种设计选择反映了Python在提供灵活而高效数据处理工具方面的一贯原则。

---

推荐： python 错误记录
参考：Comprehensions and Generator Expression in Python