Python编程实战 · 基础入门篇 | 推导式（列表推导式 / 字典推导式）

在学习了循环与条件判断后，你可能已经编写过很多这样的代码：

result = []
for i in range(1, 6):
    result.append(i * i)
print(result)

输出：

[1, 4, 9, 16, 25]

没错，这段代码实现了平方数列表，但显得冗长。 在 Python 中，有一种更优雅 、更高效 的写法------推导式（Comprehension）。

---

一、什么是推导式

推导式是一种简洁的序列生成语法，用一行代码即可实现循环、条件判断和数据构建。

Python 支持多种推导式：

类型	作用	示例
列表推导式	快速生成列表	[x*x for x in range(5)]
字典推导式	快速生成字典	{x: x*x for x in range(5)}
集合推导式	快速生成集合	{x*x for x in range(5)}
生成器表达式	生成迭代器	(x*x for x in range(5))

本章重点讲解 列表推导式 与 字典推导式。

---

二、列表推导式（List Comprehension）

1. 基本语法

[表达式 for 变量 in 可迭代对象]

相当于：

result = []
for 变量 in 可迭代对象:
    result.append(表达式)

---

2. 示例：生成平方数列表

squares = [x * x for x in range(1, 6)]
print(squares)

输出：

[1, 4, 9, 16, 25]

相比传统循环，代码更加简洁清晰。

---

3. 添加条件判断

可以在推导式中加入条件过滤，只保留满足条件的元素。

even_squares = [x * x for x in range(1, 10) if x % 2 == 0]
print(even_squares)

输出：

[4, 16, 36, 64]

✅ 这相当于"先循环，再筛选"，写法紧凑但逻辑清晰。

---

4. 嵌套循环

推导式支持嵌套循环（类似双层 for 循环）。

pairs = [(x, y) for x in [1, 2, 3] for y in ['A', 'B']]
print(pairs)

输出：

[(1, 'A'), (1, 'B'), (2, 'A'), (2, 'B'), (3, 'A'), (3, 'B')]

相当于：

pairs = []
for x in [1, 2, 3]:
    for y in ['A', 'B']:
        pairs.append((x, y))

---

5. 条件 + 嵌套

推导式可以在嵌套循环中加入条件：

pairs = [(x, y) for x in range(1, 4) for y in range(1, 4) if x != y]
print(pairs)

输出：

[(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)]

---

6. 字符串处理案例

将一句话中的单词全部转换为大写：

text = "python is powerful"
upper_words = [word.upper() for word in text.split()]
print(upper_words)

输出：

['PYTHON', 'IS', 'POWERFUL']

---

三、字典推导式（Dict Comprehension）

字典推导式与列表推导式类似，只不过生成的是键值对结构。

1. 基本语法

{键表达式: 值表达式 for 变量 in 可迭代对象}

---

2. 示例：数字与平方的映射

squares = {x: x * x for x in range(1, 6)}
print(squares)

输出：

{1: 1, 2: 4, 3: 9, 4: 16, 5: 25}

---

3. 添加条件过滤

even_squares = {x: x * x for x in range(1, 10) if x % 2 == 0}
print(even_squares)

输出：

{2: 4, 4: 16, 6: 36, 8: 64}

---

4. 翻转字典的键与值

data = {"A": 1, "B": 2, "C": 3}
reversed_dict = {v: k for k, v in data.items()}
print(reversed_dict)

输出：

{1: 'A', 2: 'B', 3: 'C'}

---

5. 实战：学生成绩筛选

scores = {"张三": 85, "李四": 90, "王五": 58, "赵六": 76}
passed = {name: score for name, score in scores.items() if score >= 60}
print(passed)

输出：

{'张三': 85, '李四': 90, '赵六': 76}

✅ 字典推导式在数据过滤、重组时非常实用。

---

四、集合推导式（补充）

集合推导式语法与列表推导式类似，只需用 {} 包裹：

unique_squares = {x * x for x in [1, 2, 2, 3, 3, 4]}
print(unique_squares)

输出：

{16, 1, 4, 9}

集合自动去重，非常适合提取唯一值。

---

五、推导式的性能优势

推导式不仅让代码更简洁，还能在大多数场景下执行更快。 因为它们由 Python 内部进行了优化，减少了函数调用的开销。

import time

# 普通循环
start = time.time()
result = []
for i in range(1000000):
    result.append(i * 2)
print("普通循环耗时：", time.time() - start)

# 推导式
start = time.time()
result = [i * 2 for i in range(1000000)]
print("推导式耗时：", time.time() - start)

通常情况下，推导式的执行速度更快。

---

六、推导式使用注意事项

1. 不要滥用： 过于复杂的嵌套推导式会让代码难以阅读。 例如三层以上循环就应考虑使用普通循环结构。

2. 注意内存占用 ： 列表推导式会一次性生成所有数据； 如果数据量很大，可改用生成器表达式 （用圆括号 ()）。

---

七、小结

推导式类型	语法形式	作用
列表推导式	[表达式 for 变量 in 可迭代对象 if 条件]	快速生成列表
字典推导式	{键: 值 for 变量 in 可迭代对象 if 条件]	快速生成字典
集合推导式	{表达式 for 变量 in 可迭代对象}	自动去重
生成器表达式	(表达式 for 变量 in 可迭代对象)	延迟计算，节省内存

---

✅ 一句话总结

推导式让 Python 代码更"像 Python"------简洁、优雅又高效。