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：
python
result = []
for i in range(1, 6):
result.append(i * i)
print(result)输出：
csharp
[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
python
[表达式 for 变量 in 可迭代对象]相当于：
python
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
python
squares = [x * x for x in range(1, 6)]
print(squares)输出：
csharp
[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。
python
even_squares = [x * x for x in range(1, 10) if x % 2 == 0]
print(even_squares)输出：
csharp
[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）。
python
pairs = [(x, y) for x in [1, 2, 3] for y in ['A', 'B']]
print(pairs)输出：
css
[(1, 'A'), (1, 'B'), (2, 'A'), (2, 'B'), (3, 'A'), (3, 'B')]相当于：
python
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：
python
pairs = [(x, y) for x in range(1, 4) for y in range(1, 4) if x != y]
print(pairs)输出：
css
[(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：
python
text = "python is powerful"
upper_words = [word.upper() for word in text.split()]
print(upper_words)输出：
css
['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
python
{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
python
squares = {x: x * x for x in range(1, 6)}
print(squares)输出：
yaml
{1: 1, 2: 4, 3: 9, 4: 16, 5: 25}3. 添加条件过滤
python
even_squares = {x: x * x for x in range(1, 10) if x % 2 == 0}
print(even_squares)输出：
yaml
{2: 4, 4: 16, 6: 36, 8: 64}4. 翻转字典的键与值
python
data = {"A": 1, "B": 2, "C": 3}
reversed_dict = {v: k for k, v in data.items()}
print(reversed_dict)输出：
css
{1: 'A', 2: 'B', 3: 'C'}5. 实战：学生成绩筛选
python
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：
arduino
{'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：
python
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。
python
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
-
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。
-
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。