腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

詳解Python列表解析式的使用方法

更新時(shí)間：2022年04月22日 14:07:44 作者：Python學(xué)習(xí)與數(shù)據(jù)挖掘

Python?是一種極其多樣化和強(qiáng)大的編程語(yǔ)言！當(dāng)需要解決一個(gè)問(wèn)題時(shí)，它有著不同的方法。本文將將會(huì)展示列表解析式的使用方法，需要的可以參考一下

列表解析式的優(yōu)勢(shì)

比循環(huán)更節(jié)省時(shí)間和空間。
需要更少的代碼行。
可將迭代語(yǔ)句轉(zhuǎn)換為公式。

如何在 Python 中創(chuàng)建列表

列表解析式是一種基于現(xiàn)有列表創(chuàng)建列表的語(yǔ)法結(jié)構(gòu)。讓我們來(lái)看看創(chuàng)建列表的不同實(shí)現(xiàn)

循環(huán)

循環(huán)是創(chuàng)建列表的傳統(tǒng)方式。不管你使用什么樣的循環(huán)。要以這種方式創(chuàng)建列表，您應(yīng)該：

1.實(shí)例化一個(gè)空列表。

2.循環(huán)遍歷一個(gè)可迭代的（如 range）的元素。

3.將每個(gè)元素附加到列表的末尾。

numbers = []
for number in range(10):
    numbers.append(number)
    
print(numbers)

輸出：

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

在此示例中，您實(shí)例化了一個(gè)空列表 numbers。然后使用 for 循環(huán)迭代 range(10) 并使用 append() 方法將每個(gè)數(shù)字附加到列表的末尾。

map() 對(duì)象

map() 是創(chuàng)建列表的另一種方法。您需要向 map() 傳遞一個(gè)函數(shù)和一個(gè)可迭代對(duì)象，之后它會(huì)創(chuàng)建一個(gè)對(duì)象。該對(duì)象包含使用指定函數(shù)執(zhí)行每個(gè)迭代元素所獲得的輸出。

例如，我們將呈現(xiàn)在某些產(chǎn)品的價(jià)格中增加增值稅的任務(wù)。

VAT_PERCENT = 0.1  # 10%


def add_vat(price):
    return price + (price * VAT_PERCENT)
    

prices = [10.03, 8.6, 32.85, 41.5, 22.64]
grand_prices = map(add_vat, prices)
print(grand_prices)
grand_prices = list(grand_prices)
print(grand_prices)

您已經(jīng)構(gòu)建了 add_vat() 函數(shù)并創(chuàng)建了 prices 可迭代對(duì)象。您將這兩個(gè)參數(shù)都傳遞給 map() 并收集生成的 map 對(duì)象 grand_prices，或者您可以使用 list() 輕松地將其轉(zhuǎn)換為列表。

輸出：

<map object at 0x7f18721e7400> # map(add_vat, prices)
[11.03, 9.46, 36.14, 45.65, 24.9] # list(grand_prices)

列表解析式

現(xiàn)在，讓我們看一下列表解析式方法！這確實(shí)是 Python 風(fēng)格，并且是創(chuàng)建列表的更好方法。為了弄清楚這種方法有多強(qiáng)大，我們用一個(gè)單行代碼來(lái)重寫(xiě)那個(gè)循環(huán)示例。

numbers = [number for number in range(10)]
print(numbers)

輸出

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

正如您所見(jiàn)，這是一種不可思議的方法！列表解析式看起來(lái)足夠可讀，您不需要編寫(xiě)更多代碼，而只需一行。

為了更好地理解列表，請(qǐng)查看以下語(yǔ)法格式：

new_list = [expression for member in iterable]

哪種方法更有效

好的，我們已經(jīng)學(xué)習(xí)了如何使用循環(huán)、map() 和列表解析式來(lái)創(chuàng)建列表，在您的腦海中可能會(huì)提出“哪種方法更有效”的問(wèn)題。我們來(lái)分析一下吧！

import random
import timeit


VAT_PERCENT = 0.1
PRICES = [random.randrange(100) for x in range(100000)]


def add_vat(price):
    return price + (price * VAT_PERCENT)
    

def get_grand_prices_with_map():
    return list(map(add_vat, PRICES))
    

def get_grand_prices_with_comprehension():
    return [add_vat(price) for price in PRICES]
    

def get_grand_prices_with_loop():
    grand_prices = []
    for price in PRICES:
        grand_prices.append(add_vat(price))
    return grand_prices
    

print(timeit.timeit(get_grand_prices_with_map, number=100))
print(timeit.timeit(add_grand_prices_with_comprehension, number=100))
print(timeit.timeit(get_grand_prices_with_loop, number=100))

輸出：

0.9833468980004909 # with_map
1.197223742999995 # with_comprehension
1.3564663889992516 # with_loop

正如我們現(xiàn)在所看到的，創(chuàng)建列表的最優(yōu)的方法是 map()，排在第二位的是列表解析式，最后是循環(huán)。

但是，方法的選擇應(yīng)取決于您想要實(shí)現(xiàn)的目標(biāo)。

使用 map() 可以使你的代碼更高效。
使用循環(huán)可以使代碼的思路展現(xiàn)更加清晰。
使用列表解析式可以您使代碼更加緊湊，且較高效。這是創(chuàng)建列表的最佳方式，因?yàn)檫@種方式可讀性最強(qiáng)。

高級(jí)解析式

條件邏輯

早些時(shí)候，我向您展示了這個(gè)公式：

new_list = [expression for member in iterable]

公式可能有些不完整。對(duì)解析式的更加完整描述增加了對(duì)可選條件的支持。將條件邏輯添加到列表解析式的最常見(jiàn)方法是在表達(dá)式的末尾添加條件：

new_list = [expression for member in iterable (if conditional)]

在這里，您的條件語(yǔ)句正好位于右邊的括號(hào)中。

條件很重要，因?yàn)樗鼈冊(cè)试S列表解析式過(guò)濾掉不需要的值，這在一般情況下也可以調(diào)用 filter()：

numbers = [number for number in range(20) if number % 2 == 0]
print(numbers)

輸出：

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

正如您所看到的那樣，這個(gè)解析式收集了可被 2 整除且沒(méi)有余數(shù)的數(shù)字。

如果您需要更復(fù)雜的過(guò)濾器，那么您甚至可以將條件邏輯移動(dòng)到單獨(dú)的函數(shù)中。

def is_prime(number):
    if number > 1:
        for el in range(2, int(number/2)+1):
            if (number % el) == 0:
                return False 
        else:
            return True
          

numbers = [number for number in range(20) if is_prime(number)]
print(numbers)

輸出：

[2, 3, 5, 7, 11, 13, 17, 19]

您構(gòu)建 is_prime(number) 以確定是否是素?cái)?shù)并返回布爾值。接下來(lái)，您應(yīng)該將函數(shù)添加到解析式的條件中。

該公式允許您使用條件邏輯從幾個(gè)可能的輸出選項(xiàng)中進(jìn)行選擇。例如，您有一個(gè)產(chǎn)品價(jià)格表，若有負(fù)數(shù)，您應(yīng)將其轉(zhuǎn)換為正數(shù)：

price_list = [1.34, 19.01, -4.2, 6, 8.78, -1,1]
normalized_price_list = [price if price > 0 else price*-1 for price in price_list]
print(normalized_price_list)

輸出：

[1.34, 19.01, 4.2, 6, 8.78, 1,1]

在這里，您的表達(dá)式 price 有一個(gè)條件語(yǔ)句，如果 price > 0 else price*-1。這會(huì)告訴 Python，如果價(jià)格為正，則輸出價(jià)格值；但如果價(jià)格為負(fù)，則將價(jià)格轉(zhuǎn)換為正值。該功能很強(qiáng)大，考慮將條件邏輯視為其自身的函數(shù)的確是很有用的：

def normalize_price(price):
    return price if price > 0 else price*-1
    

price_list = [1.34, 19.01, -4.2, 6, 8.78, -1,1]
normalized_price_list = [normalize_price(price) for price in price_list]
print(normalized_price_list)

輸出：

[1.34, 19.01, 4.2, 6, 8.78, 1,1]

集合解析式

您還可以創(chuàng)建一個(gè)集合解析式！它基本與列表解析式相同。不同之處在于集合解析式不包含重復(fù)項(xiàng)。您可以通過(guò)使用花括號(hào)取代方括號(hào)來(lái)創(chuàng)建集合解析式：

string = "Excellent"
unique_string = {letter for letter in string}
print(unique_string)

輸出：

{"E", "e", "n", "t", "x", "c", "l"}

你的集合解析式只包含唯一的字母。這與列表不同，集合不保證項(xiàng)目將以特定順序存儲(chǔ)數(shù)據(jù)。這就是為什么集合輸出的第二個(gè)字母是 e，即使字符串中的第二個(gè)字母是 x。

字典解析式

字典解析式也是是類似的，但需要定義一個(gè)鍵：

string = "Words are but wind"
word_order = {el: ind+1 for ind, el in enumerate(string.split())}
print(word_order)

輸出：

{"Words": 1, "are": 2, "but": 3, "wind": 4}

要?jiǎng)?chuàng)建 word_order 字典，請(qǐng)?jiān)诒磉_(dá)式中使用花括號(hào) ({}) 以及鍵值對(duì) (el: ind+1)。

海象運(yùn)算符

Python 3.8 中引入的海象運(yùn)算符允許您一次解決兩個(gè)問(wèn)題：為變量賦值，返回該值。

假設(shè)您需要對(duì)將返回溫度數(shù)據(jù)的 API 應(yīng)用十次。您想要的只是 100 華氏度以上的結(jié)果。而每個(gè)請(qǐng)求可能都會(huì)返回不同的數(shù)據(jù)。在這種情況下，沒(méi)有辦法在 Python 中使用列表解析式來(lái)解決問(wèn)題。可迭代成員（如果有條件）的公式表達(dá)式無(wú)法讓條件將數(shù)據(jù)分配給表達(dá)式可以訪問(wèn)的變量。

海象運(yùn)算符解決了這個(gè)問(wèn)題。它允許您在執(zhí)行表達(dá)式的同時(shí)將輸出值分配給變量。以下示例顯示了這是如何實(shí)現(xiàn)的，使用 get_weather_data() 生成偽天氣數(shù)據(jù)：

import random


def get_weather_data():
    return random.randrange(90, 110)
    

hot_temps = [temp for item in range(20) if (temp := get_weather_data()) >= 100]
print(hot_temps)

輸出：

[108, 100, 106, 103, 108, 106, 103, 104, 109, 106]

什么時(shí)候不要使用解析式

列表解析式非常有用，它可以幫助您編寫(xiě)清晰且易于閱讀和調(diào)試的代碼。但在某些情況下，它們可能會(huì)使您的代碼運(yùn)行速度變慢或使用更多內(nèi)存。如果它讓您的代碼效率更低或更難理解，那么可以考慮選擇另一種方式。

注意嵌套的解析式

可以通過(guò)嵌套解析式以創(chuàng)建列表、字典和集合的組合集合（譯者注：這個(gè)集合不是指 set 對(duì)象類型，而是 collection，泛指容器）。例如，假設(shè)一家公司正在跟蹤一年中五個(gè)不同城市的收入。存儲(chǔ)這些數(shù)據(jù)的完美數(shù)據(jù)結(jié)構(gòu)可以是嵌套在字典解析式中的列表解析式。

cities = ['New York', 'Oklahoma', 'Toronto', 'Los Angeles', 'Miami']
budgets = {city: [0 for x in range(12)] for city in cities}
print(budgets)

輸出：

{
"NewYork": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
"Oklahoma": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
"Toronto": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
"LosAngeles": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
"Miami": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
}

您使用字典解析式創(chuàng)建了 budgets 容器。該表達(dá)式是一個(gè)鍵值對(duì)，其中包含另一個(gè)解析式。此代碼將快速生成城市中每個(gè) city 的數(shù)據(jù)列表。

嵌套列表是創(chuàng)建矩陣的常用方法，通常用于數(shù)學(xué)目的。查看下面的代碼塊：

matrix = [[x for x in range(7)] for y in range(6)]
print(matrix)

輸出：

[
[0, 1, 2, 3, 4, 5, 6],
[0, 1, 2, 3, 4, 5, 6],
[0, 1, 2, 3, 4, 5, 6],
[0, 1, 2, 3, 4, 5, 6],
[0, 1, 2, 3, 4, 5, 6],
[0, 1, 2, 3, 4, 5, 6]
]

外部列表解析式 [... for y in range(6)] 創(chuàng)建了六行，而內(nèi)部列表解析式 [x for x in range(7)] 將用值填充這些行中的每一行。

到目前為止，每個(gè)嵌套解析式的目標(biāo)都是真正且直觀的。但是，還有一些其他情況，例如創(chuàng)建扁平化的嵌套列表，其中的邏輯可以使您的代碼非常難以閱讀。讓我們看下面的例子，使用嵌套列表解析式來(lái)展平一個(gè)矩陣：

matrix = [
    [0, 1, 0],
    [1, 0, 1],
    [2, 1, 2],
]
flat = [num for row in matrix for num in row]
print(flat)

輸出：

[0, 1, 0, 1, 0, 1, 2, 1, 2]

扁平化矩陣的代碼確實(shí)很簡(jiǎn)潔，但是太難理解了，您應(yīng)該花點(diǎn)時(shí)間弄清楚它是如何工作的。另一方面，如果您使用 for 循環(huán)來(lái)展平相同的矩陣，那么您的代碼將更加簡(jiǎn)單易讀：

matrix = [
    [0, 1, 0],
    [1, 0, 1],
    [2, 1, 2],
]
flat = []
for row in matrix:
    for num in row:
        flat.append(num)
print(flat)

輸出：

[0, 1, 0, 1, 0, 1, 2, 1, 2]

現(xiàn)在，您可以看到代碼一次遍歷矩陣的一行，在移動(dòng)到下一行之前取出該行中的所有元素。

雖然嵌套列表解析式可能看起來(lái)更具有 Python 風(fēng)格，但對(duì)于能夠編寫(xiě)出您的團(tuán)隊(duì)可以輕松理解和修改的代碼來(lái)才是更加最重要的。當(dāng)選擇一個(gè)方法時(shí)，您應(yīng)該根據(jù)解析式是有助于還是有損于可讀性來(lái)做出相應(yīng)的判斷。

為大型數(shù)據(jù)集使用生成器

Python 中的列表解析式通過(guò)將整個(gè)列表存儲(chǔ)到內(nèi)存中來(lái)工作。對(duì)于小型至中型列表這通常很好。如果您想將前一千個(gè)整數(shù)相加，那么列表解析式將輕松地解決此任務(wù)：

summary = sum([x for x in range(1000)])
print(summary)

輸出：

499500

但是，如果您需要對(duì)十億個(gè)數(shù)字求和呢？您可以嘗試執(zhí)行此操作，但您的計(jì)算機(jī)可能不會(huì)有響應(yīng)。這是可能因?yàn)橛?jì)算機(jī)中分配大量?jī)?nèi)存。也許您是因?yàn)橛?jì)算機(jī)沒(méi)有如此多的內(nèi)存資源。

例如，你想要一些第一個(gè)十億整數(shù)，那么讓我們使用生成器！這可能多需要一些時(shí)間，但計(jì)算機(jī)應(yīng)該可以克服它：

summary = sum((x for x in range(1000000000)))
print(summary)

輸出：

499999999500000000

讓我們來(lái)對(duì)比一下哪種方法是更優(yōu)的！

import timeit


def get_sum_with_map():
    return sum(map(lambda x: x, range(1000000000)))


def get_sum_with_generator():
    return sum((x for x in range(1000000000)))


print(timeit.timeit(get_sum_with_map, number=100))
print(timeit.timeit(get_sum_with_generator, number=100))

輸出：