【补充】列表推导式&字典生成式

【补充一】列表推导式&字典生成式

列表推导式可以利用列表，元组，字典，集合等数据类型，快速的生成一个特定需要的列表。 语法格式如下：

[表达式 for 迭代变量 in 可迭代对象 [if 条件表达式]]

【1】列表推导式

（1）为什么要用列表推导式？

• 列表推导式为我们提供了一种从序列创建列表的简单途径，它书写简单，执行效率比循环高。
• 下面我们通过代码直观的感受一下列表推导式的魅力。

(1.1)直接从序列中构建列表

lst = []
for i in range(5):
    lst.append(i)

(1.2)使用列表推导式

lst=[i for i in range(5)]

（2）列表推导式的应用

(1)新生成列表的每个元素都可以是任意的表达式或对象

test = [1, 2, 3]
print([i * i for i in test])  
# ==>[1,4,9]
print([[i, i + 2] for i in test])  
# ==>[[1,3],[2,4],[3,5]]

(2)让每个元素执行相同的操作

some_animals = [' dog', 'cat  ', ' sheep ']
print([i.strip() for i in some_animals])
# ==>['dog','cat','sheep']

(3)加入嵌套循环

test_1 = [1, 2, 3]
test_2 = [4, 5, 6]
print([x * y for x in test_1 for y in test_2])
# ==>[4,5,6,8,10,12,12,15,18]
print([[x, x + y] for x in test_1 for y in test_2])
# ==>[[1, 5], [1, 6], [1, 7], [2, 6], [2, 7], [2, 8], [3, 7], [3, 8], [3, 9]]
###  注意通过这两个print体会谁是内层循环，谁是外层循环
print([test_1[i] * test_2[i] for i in range(len(test_1))])
# ==>[4, 10, 18]
print([x * y for x, y in zip(test_1, test_2)])
# ==>[4, 10, 18]

(4)实现行列转换

test = [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]
print([[row[i] for row in test] for i in range(len(test[0]))])
# ==>[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

(5)加入判断条件，组成过滤器

• 从一个给定的列表中选出偶数组成一个新的列表

test = [1, 2, 3, 4, 5, 6]
print([x for x in test if x % 2 == 0])
# ==>[2, 4, 6]
print(list(filter(lambda x: x % 2 == 0, test)))
# ==>[2, 4, 6]

• filter 是Python中的一个内嵌函数，它有两个参数，
  • 其中第一个参数是一个函数
  • 第二个参数是一个迭代器
  • 返回值是布尔类型
• 它的作用是将迭代器中的每一个元素都用第一个函数进行判断
  • 为真则保留
  • 反之则去除
  • 从而也形成了过滤的作用。
• 如果此处对lambda表达式有疑惑，不妨可以看看有关函数中对lambda表达式的介绍。

判断列表中有几个对称数

test = [1221, 1234, 12321, 14441, 15672]
print(sum([num == num[::-1] for num in map(str, test)]))
# ==> 3
print(len([num for num in map(str, test) if num == num[::-1]]))
# ==>3

【2】列表生成式

只需要将列表推导式中的中括号改成小括号就变成了生成式。

（1）与推导式的区别：

• 列表推导式一次性返回所有的元素，生成式每次只会返回一个元素
• 当生成的元素数量非常多时，生成式占用的空间非常小，而推导式则会占用大量的空间
• 推导式的执行效率高，所以推荐在数据量小的时候使用

（2）示例

test = [1, 2, 3]
print((i * i for i in test))
# ==><generator object <genexpr> at 0x0000026B4E6C0D60>
print(list(i * i for i in test))
# ==>[1, 4, 9]          
print(([i, i + 2] for i in test))
# ==><generator object <genexpr> at 0x0000026B4E6C09E0>

• 从以上代码我们可以看出生成式的直接返回结果时一个生成器。

素数判断

import math
def is_prime(n):
    if n == 2: return True
    if n < 2 or n % 2 == 0: return False
    return all(n % i for i in range(3, int(math.sqrt(n) + 1), 2))


print(is_prime(23))
# ==>True

【3】字典推导式

• 有了列表推导式的概念，字典推导式学起来就非常简单了，语法格式如下：

{键:值 for 迭代变量 in 可迭代对象 [if 条件表达式]}

• 案例

my_dict = {key: value for key in range(3) for value in range(2)}
print(my_dict)
# {0: 1, 1: 1, 2: 1}

• 最常见的哪里还是下述的代码，遍历一个具有键值关系的可迭代对象。

my_tuple_list = [('name', '橡皮擦'), ('age', 18), ('class', 'no1'), ('like', 'python')]
my_dict = {key: value for key, value in my_tuple_list}
print(my_dict)
# {'name': '橡皮擦', 'age': 18, 'class': 'no1', 'like': 'python'}

【4】元祖推导式和集合推导式

• 其实你应该能猜到，在 Python 中是具备这两种推导式的，而且语法相信你已经掌握了。不过语法虽然差不多
• 但是元组推导式运行结果却不同，具体如下。

my_tuple = (i for i in range(10))
print(my_tuple)
# <generator object <genexpr> at 0x000001D17C9B7DD0>

• 使用元组推导式生成的结果并不是一个元组，而是一个生成器对象，需要特别注意下

• 这种写法在有的地方会把它叫做生成器语法，不叫做元组推导式。

• 集合推导式也有一个需要注意的地方，先看代码：

  my_set = {value for value in 'HelloWorld'}
  print(my_set)
  # {'r', 'o', 'W', 'H', 'l', 'd', 'e'}
  

  • 因为集合是无序且不重复的，所以会自动去掉重复的元素，并且每次运行显示的顺序不一样，使用的时候很容易晕掉。