13｜推导式

推导式（comprehension）是一种简洁的语法，用一行代码从现有序列生成新的列表、字典或集合。它本质上是 for 循环的紧凑写法。

一、列表推导式

传统写法：创建空列表，循环，逐个添加。

numbers = [1, 2, 3, 4, 5]
squares = []
for n in numbers:
    squares.append(n * n)
# [1, 4, 9, 16, 25]

推导式写法：

squares = [n * n for n in numbers]
# [1, 4, 9, 16, 25]

读法从左到右："对 numbers 中的每个 n，计算 n * n，收集成列表"。

带条件筛选：

evens = [n for n in numbers if n % 2 == 0]
# [2, 4]

"对 numbers 中的每个 n，如果 n 是偶数，保留 n"。

条件放在 if 后面，过滤不满足的元素。

二、字典推导式

names = ["Alice", "Bob", "Charlie"]
lengths = {name: len(name) for name in names}
# {'Alice': 5, 'Bob': 3, 'Charlie': 7}

花括号加冒号，左边是键，右边是值。

带条件：

long_names = {name: len(name) for name in names if len(name) > 3}
# {'Alice': 5, 'Charlie': 7}

交换键值：

original = {"a": 1, "b": 2, "c": 3}
swapped = {v: k for k, v in original.items()}
# {1: 'a', 2: 'b', 3: 'c'}

注意：值变成键时，如果原字典的值有重复，交换后会丢失数据（字典键不能重复）。

三、集合推导式

numbers = [1, 2, 2, 3, 3, 3]
unique_squares = {n * n for n in numbers}
# {1, 4, 9}

集合推导式自动去重。

四、嵌套推导式

处理二维数据时，推导式可以嵌套：

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

# 转置：行变列
transposed = [[row[i] for row in matrix] for i in range(3)]
# [[1, 4, 7], [2, 5, 8], [3, 6, 9]]

外层循环在右，内层循环在左。读起来是："对每个 i，收集 matrix 中每行的第 i 个元素"。

嵌套推导式一行写太多会降低可读性。超过两层嵌套或条件复杂时，展开成普通循环更清晰。

五、推导式 vs 普通循环

推导式适合的场景：

• 从一个序列生成另一个序列
• 逻辑简单，一眼能看懂
• 过滤或转换操作

不适合的场景：

• 需要副作用（打印日志、修改外部变量）
• 多层嵌套超过两层
• 逻辑复杂，一行写不下

# 不好的推导式：带副作用
[print(n) for n in range(5)]   # 能跑，但 print 返回 None，列表里是 5 个 None

# 好的写法：用普通循环
for n in range(5):
    print(n)

六、与 map/filter 的比较

Python 还提供了 map() 和 filter() 函数，功能与推导式类似：

# map
squares = list(map(lambda x: x * x, numbers))

# filter
evens = list(filter(lambda x: x % 2 == 0, numbers))

# 推导式（推荐）
squares = [x * x for x in numbers]
evens = [x for x in numbers if x % 2 == 0]

推导式在 Python 社区中更受推荐——语法更直观，性能通常也更好。map/filter 配合 lambda 的写法在函数式编程风格中出现，但可读性通常不如推导式。

记忆锚点：推导式是紧凑的 for 循环；[表达式 for 变量 in 序列 if 条件]；字典推导式 {k: v for ...}；集合推导式 {表达式 for ...}；嵌套推导式可读性下降，复杂逻辑用普通循环；推导式不适合有副作用的场景。