讲解一下Python推导式

Python 推导式是一种独特的数据处理方式，可以从一个数据序列构建另一个新的数据序列的结构体，下面为大家讲解一下Python 推导式使用方法。

创新互联是专业的文县网站建设公司，文县接单;提供成都网站建设、做网站,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行文县网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

1. 推导式分类与用法

1.1 列表推导

列表推导式是一种快速生成列表的方式。它一般用“[]”括起来，例如

>>> [i for i in range(10)]
[0,1, 2, 3, 4, 5, 6, 7, 8, 9]

这是一种最基本的用法，列表推导式先执行for循环，再把遍历的元素（或者对元素的一些计算表达式）作为列表的元素返回一个列表。

>>> [i*i for i in range(10)]
[0,1, 4, 9, 16, 25, 36, 49, 64, 81]

它就相当于

>>> l = []
>>> for i in range(10):
...   l.append(i*i)
...
>>>            

我们可以用列表推导快速初始化一个二维数组

m = [[0,0,0],
    [0,0,0],
    [0,0,0]
    ]

n = []
for row in range(3):
   r = []
   for col in range(3):
       r.append(0)
   n.append(r)
print(n)

用下面的式子就可以得到这个二维数组

>>> [[0]*3 for i in range(3)]
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]

列表推导式有很多种形式

for循环前面加if…else…

这种生成的元素个数不会少，只是根据for循环的结果使用不同的表达式

# 如果i是5的倍数，结果是i，否则就是0
>>> [i if i % 5 == 0 else 0 for i in range(20)]
[0, 0, 0, 0, 0, 5, 0, 0, 0, 0, 10, 0, 0, 0, 0, 15, 0, 0, 0, 0]

# 如果是偶数就加100，奇数就减100
>>> [i+100 if i % 2 == 0 else i-100 for i in range(10)]
[100, -99, 102, -97, 104, -95, 106, -93, 108, -91]

for循环后面加if…

这种会只取符合条件的元素，所以元素个数跟条件相关

# for循环的结果只选择是偶数的
>>> [i for i in range(10) if i % 2 == 0]
[0, 2, 4, 6, 8]
# for循环的结果只选择是2和3的倍数的
>>> [i for i in range(10) if i % 2 == 0 and i % 3 == 0]
[0, 6]
# for循环的结果只选择偶数，并且应用str函数
>>> [str(i) for i in range(10) if i % 2 == 0]
['0', '2', '4', '6', '8']

嵌套循环

假如我们展开一个二维矩阵，如下面的m，我们可以用嵌套循环实现。

m = [[1,2,3],
    [4,5,6],
    [7,8,9]
    ]

n = []
for row in m:
   for col in row:
       n.append(col)
print(n)

用列表推导，最外层的for循环得到的row，可以在内层中使用

m = [[1,2,3],
    [4,5,6],
    [7,8,9]
    ]
n = [col for row in m for col in row]
print(n)

再比如下面这个例子

>>> [a + b for a in '123' for b in 'abc']
['1a', '1b', '1c', '2a', '2b', '2c', '3a', '3b', '3c']

更多用法

列表推导的用法比较灵活，我们不一定要把所有的都掌握，但是要能看懂。

>>> dic = {"k1":"v1","k2":"v2"}
>>> a = [k+":"+v for k,v in dic.items()]
>>> a
['k1:v1', 'k2:v2']

1.2 集合推导

集合推导的语法与列表推导一样，只是它是用”{}“，而且，集合会自动去重

>>> { i for i in range(10)}
{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
>>> { 0 if i % 2 == 0 else 1 for i in range(10)}
{0, 1}

1.3 字典推导

字典推导的语法也与其他的类似，只不过在最前面的格式是key:value，而且也是会去重

>>> { i : i.upper() for i in 'hello world'}
{'h': 'H', 'e': 'E', 'l': 'L', 'o': 'O', ' ': ' ', 'w': 'W', 'r': 'R', 'd': 'D'}
>>> { str(i) : i*i for i in range(10)}
{'0': 0, '1': 1, '2': 4, '3': 9, '4': 16, '5': 25, '6': 36, '7': 49, '8': 64, '9': 81}

1.4 元组推导？不存在的

既然用[]就能做列表推导，那用()是不是就能做元组推导了？不是的，因为()被用在了一种特殊的对象上：生成器(generator)。

>>> a = (i for i in range(10))
>>> print(a)

  
    at 0x000001A6100869C8> >>> 
   type(a) 
   
    'generator'> 
   
  

生成器是一个顺序产生元素的对象，只能顺序访问，只能前进，而且只能遍历一次。

可以使用next()函数取下一个元素，取不到就会报StopIteration异常，也可以使用for循环遍历。

生成式没法用下标访问，用next访问直到报异常

>>> a = (i for i in range(0,2))
>>> a[0]
Traceback (most recent call last):
 File "  " , line 1, in 
  
    TypeError: 
   'generator' object is not subscriptable >>> next(a) 0 >>> next(a) 1 >>> next(a) Traceback (most recent call last):  File 
   "  " , line 1, 
   in 
   
     StopIteration 
   
  

用for循环遍历

>>> a = (i for i in range(0,2))
>>> for i in a:
...   print(i)
...
0
1

先用next访问，再用for循环

>>> a = (i for i in range(0,3))
>>> next(a)
0
>>> for i in a:
...   print(i)
...
1
2

我们可以加上list,tuple,set等做强转，但是list和set就没必要了，如果想初始化成tuple，就用tuple做强转。强转的时候不需要再加多余的括号。

>>> a = tuple(i for i in range(0,3))
>>> a
(0, 1, 2)
>>> a = tuple( (i for i in range(0,3)) )
>>> a
(0, 1, 2)

生成式是惰式计算的，就是你确实用到这个元素了，它才去计算，好处就是节省了内存，但是坏处是不能随机访问。

2. 推导式的性能

2.1 列表推导式与循环的性能

我们用timeit模块去比较一下性能。

import timeit

def getlist1():  
   l = []  
   for i in range(10000):
       l.append(i)
   return l

def getlist2():
   return [i for i in range(10000)]

# 各执行10000次
t1 = timeit.timeit('getlist1()',"from __main__ import getlist1", number=10000)
t2 = timeit.timeit('getlist2()',"from __main__ import getlist2", number=10000)

print('循环方式：',t1)
print('推导式方式：',t2)

执行结果如下：

循环方式： 5.343517699991935
推导式方式： 2.6003115000057733

可见循环的方式比推导式慢了一倍，为什么会有这个问题呢？我们直接反编译看这两个的区别，用dis模块可以反编译Python代码，产生字节码。

源代码及行数如下

getlist1的反编译如下，左边红色对应源代码的行数，蓝色圈内就是第6行代码对应的字节码，我们可以看到，它有一个传参并且调用方法append的过程，调用函数的代价是比较大的。

再来看一下列表推断的反编译结果

首先从字节码数量上来比列表推断就比用循环调append要少的多，而且列表推断没有使用方法调用，直接用了这个指令LIST_APPEND，在Python官网上的解释是这样的。

实际上这个解释是有误导性，字节码中使用LIST_APPEND和在Python代码中调用append是完全不一样的，只不过这种底层的东西没有很多人关心，它们的功能是一样的。在2008年的时候就有人给Python代码提patch，希望能自动将list.append()进行优化，直接优化成LIST_APPEND而不是通过函数调用，但是目前还没被采纳。

提出者希望能在编译的时候加一些选项，比如像gcc可以使用-O1,-O2等进行不同级别的优化，但是目前CPython是没有这些选项的，因为大多数的Python开发者并不关心性能。

如果我们把上面的列表换成集合或者字典，差别会更大，所以能用推导式的地方尽量用推导式，可以提高性能。

2.2 列表推导式与生成器推导式的性能

其实这两个并不具备可比性，因为生成的结果并不是一个东西。我们可以很容易的预测，产生生成器的推导式性能要好于列表推导式，但是用的时候生成器就不如列表了。

import timeit

def getlist1():  
   return [i for i in range(10000)]

def getlist2():
   return (i for i in range(10000))

# 各执行10000次
t1 = timeit.timeit('getlist1()',"from __main__ import getlist1", number=10000)
t2 = timeit.timeit('getlist2()',"from __main__ import getlist2", number=10000)

print('列表：',t1)
print('生成器：',t2)

def getlist11():  
   a = [i for i in range(10000)]
   sum = 0
   for i in a:
       sum += i

def getlist22():
   a = (i for i in range(10000))
   sum = 0
   for i in a:
       sum += i

# 各执行10000次
t1 = timeit.timeit('getlist11()',"from __main__ import getlist11", number=10000)
t2 = timeit.timeit('getlist22()',"from __main__ import getlist22", number=10000)

print('列表：',t1)
print('生成器：',t2)

执行结果：

列表： 2.5977418000111356
生成器： 0.006076899997424334
列表： 6.336311199993361
生成器： 9.181903699995019

生成器产生的性能远大于列表，但是遍历的时候不如列表，但是总体上看好像生成器好。不过不要忘了，生成器不能随机访问，而且只能用一次。所以这两种对象，就是在合适的地方用合适的类型，不一定哪一种比哪一种更好。

文章题目：讲解一下Python推导式
标题链接：http://www.mswzjz.cn/qtweb/news24/297624.html

攀枝花网站建设、攀枝花网站运维推广公司-贝锐智能，是专注品牌与效果的网络营销公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 贝锐智能