python——推导式

2024-09-03 08:20
文章标签 python 推导

本文主要是介绍python——推导式,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

推导式(Comprehensions)是Python中用于创建集合、列表、字典和集合的简洁语法。它们通过简化代码使其更具可读性,并且通常比使用传统循环创建对象的方式更高效。推导式有助于减少代码行数并提高代码的清晰度。

1. 推导式的基本概念

推导式的基本思想是通过提供一个表达式和一个或多个for循环(可选的if语句)来创建新的集合。主要的推导式类型包括列表推导式、集合推导式和字典推导式。

2. 列表推导式(List Comprehension)

基本语法
[expression for item in iterable if condition]
  • expression:要创建的元素或表达式。
  • item:当前从iterable中取出的元素。
  • iterable:可以迭代的对象,如列表、元组、字符串等。
  • condition(可选):过滤条件,仅当满足条件时才包括item
示例
  1. 基本示例

    创建一个包含0到9的平方数的列表。

    squares = [x**2 for x in range(10)]
    print(squares)  # 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
    
  2. 带条件的推导式

    创建一个包含0到9中偶数平方数的列表。

    even_squares = [x**2 for x in range(10) if x % 2 == 0]
    print(even_squares)  # 输出: [0, 4, 16, 36, 64]
    
  3. 嵌套推导式

    扁平化一个二维列表。

    matrix = [[1, 2, 3],[4, 5, 6],[7, 8, 9]
    ]
    flat = [num for row in matrix for num in row]
    print(flat)  # 输出: [1, 2, 3, 4, 5, 6, 7, 8, 9]
    

3. 集合推导式(Set Comprehension)

集合推导式与列表推导式类似,但创建的是集合。

基本语法
{expression for item in iterable if condition}
示例
  1. 基本示例

    创建一个包含0到9的平方数的集合。

    squares_set = {x**2 for x in range(10)}
    print(squares_set)  # 输出: {0, 1, 4, 9, 16, 25, 36, 49, 64, 81}
    
  2. 带条件的推导式

    创建一个包含0到9中偶数平方数的集合。

    even_squares_set = {x**2 for x in range(10) if x % 2 == 0}
    print(even_squares_set)  # 输出: {0, 4, 16, 36, 64}
    

4. 字典推导式(Dictionary Comprehension)

字典推导式用于创建字典。

基本语法
{key_expression: value_expression for item in iterable if condition}
示例
  1. 基本示例

    创建一个字典,其中键是0到9,值是其平方数。

    squares_dict = {x: x**2 for x in range(10)}
    print(squares_dict)  # 输出: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81}
    
  2. 带条件的推导式

    创建一个字典,其中键是0到9中偶数,值是其平方数。

    even_squares_dict = {x: x**2 for x in range(10) if x % 2 == 0}
    print(even_squares_dict)  # 输出: {0: 0, 2: 4, 4: 16, 6: 36, 8: 64}
    

5. 推导式的使用场景

  1. 数据转换:将数据从一种形式转换为另一种形式,例如将列表中的元素进行平方操作。
  2. 过滤数据:从一个数据集中过滤出符合条件的元素,例如仅保留偶数。
  3. 扁平化数据:将嵌套的数据结构(如列表中的列表)转换为一维结构。
  4. 生成字典:根据某些规则生成键值对,如从列表生成一个键值对字典。

6. 使用技巧和高阶用法

  1. 多重循环:可以在推导式中使用多个for循环来处理复杂的数据结构。

    matrix = [[1, 2, 3],[4, 5, 6],[7, 8, 9]
    ]
    flattened_and_squared = [x**2 for row in matrix for x in row]
    print(flattened_and_squared)  # 输出: [1, 4, 9, 16, 25, 36, 49, 64, 81]
    
  2. 与函数结合使用:可以将推导式与函数结合,进行更复杂的数据处理。

    def process(x):return x**2numbers = [1, 2, 3, 4]
    processed_numbers = [process(x) for x in numbers]
    print(processed_numbers)  # 输出: [1, 4, 9, 16]
    
  3. 生成器表达式:与推导式类似,但不创建完整的列表,而是生成一个生成器对象,节省内存。

    gen_expr = (x**2 for x in range(10))
    for val in gen_expr:print(val)  # 输出: 0, 1, 4, 9, 16, 25, 36, 49, 64, 81
    
  4. 避免过于复杂的推导式:当推导式的逻辑过于复杂时,可能会导致代码可读性下降。此时,可以考虑将推导式分解为多个步骤或使用传统的循环方式。

推导式在数据处理和转换中非常强大,但在使用时应确保代码的可读性。如果遇到复杂情况,考虑使用传统循环和函数进行处理。

这篇关于python——推导式的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1132502

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目