Python推导式怎么用:列表/字典/集合推导式详解
Python推导式是高效简洁的数据处理利器,但括号类型、语法细节和嵌套逻辑极易踩坑:列表推导式必须用方括号(圆括号会生成不可索引的生成器),字典推导式严格要求冒号分隔键值(漏掉即语法错误),集合推导式虽去重快却无法保证顺序(需用dict.fromkeys()保序),而嵌套推导式默认扁平化、要实现二维结构必须显式双层方括号——掌握这些关键区别,才能避开TypeError、SyntaxError和逻辑错位,真正写出既正确又高效的Python代码。

列表推导式写错括号就报错:[x for x in seq] 不能写成 (x for x in seq)
很多人一上来就把括号搞混,(x for x in seq) 是生成器表达式,不是列表。用在需要列表的地方(比如索引、.append()、len())会直接报 TypeError: 'generator' object is not subscriptable。
常见错误场景:想快速过滤再转成列表,却写了 result = (x for x in data if x > 0),后面又去写 result[0] —— 这时它根本不是列表。
[x for x in data if x > 0]→ 得到 list,支持索引、重复遍历(x for x in data if x > 0)→ 得到 generator,只能遍历一次,不支持索引- 如果数据量大且只遍历一次,用生成器更省内存;否则老老实实用方括号
字典推导式必须有 key 和 value:{k: v for k, v in items} 少一个冒号就语法错误
字典推导式的结构是 {key_expr: value_expr for item in iterable},中间的冒号是语法硬性要求,漏掉或写成逗号、等号都会触发 SyntaxError: invalid syntax。
典型翻车点:从元组列表构造字典时,误写成 {k, v for k, v in [('a',1),('b',2)]} —— 这其实是集合推导式,而且元素类型不匹配(tuple + int 混合),运行时报 TypeError: unhashable type: 'list' 或更奇怪的错误。
- 正确写法:
{k: v for k, v in [('a',1),('b',2)]} - 如果只有键没值,想初始化为 None,得显式写:
{k: None for k in keys} - 注意 key 必须可哈希,
{list(x): 1 for x in [[1], [2]]}会崩,因为list不可哈希
集合推导式去重快,但顺序不保证:{x for x in seq} 和 list(set(seq)) 行为不同
集合推导式本质是构建 set,所以天然去重,但 Python 3.7+ 的 dict 保持插入顺序,set 不保证——哪怕输入有序,输出也可能乱序。
使用场景差异明显:做存在性检查(if x in seen_set)用集合推导最快;但想“去重并保序”,就不能直接用它,得配合 dict.fromkeys() 或手动维护。
{x for x in [3,1,2,1,3]}→ 可能返回{1, 2, 3},也可能{3, 1, 2}(取决于哈希扰动)- 保序去重推荐:
list(dict.fromkeys(seq)),比list(set(seq))更可靠 - 性能上,
{...}推导比set()构造略快,但差别微小,别为这点优化牺牲可读性
嵌套推导式容易读错也容易写错:[y for x in nested for y in x] 不是二维循环的直觉写法
Python 的嵌套推导式是扁平化展开的,[y for x in nested for y in x] 等价于两层 for 的缩写,不是 [[y for y in x] for x in nested]。新手常把两者混淆,结果得到一维列表而非二维。
错误示例:想把 [[1,2],[3,4]] 转成 [[10,20],[30,40]],却写了 [x*10 for row in matrix for x in row] → 结果是 [10,20,30,40],不是想要的嵌套结构。
- 要扁平化:用单层推导式,
[x for row in matrix for x in row] - 要嵌套:必须套一层推导式,
[[x*10 for x in row] for row in matrix] - 多层嵌套时,for 子句顺序和缩进 for 循环一致,但没有冒号和换行,靠空格和顺序识别逻辑层级
嵌套越深越难一眼看懂,三层以上建议拆成普通循环,别硬撑推导式。
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Python推导式怎么用:列表/字典/集合推导式详解》文章吧,也可关注golang学习网公众号了解相关技术文章。
高德地图收藏位置方法及技巧
- 上一篇
- 高德地图收藏位置方法及技巧
- 下一篇
- Golang图像处理:color包像素与滤镜教程
-
- 文章 · python教程 | 2小时前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
-
- 文章 · python教程 | 12小时前 | python · Python tomllib TOMLDecodeError
- Python tomllib 解析失败时如何定位具体键与行列
- 198浏览 收藏
-
- 文章 · python教程 | 16小时前 |
- Python contextvars 为什么能隔离并发请求上下文
- 202浏览 收藏
-
- 文章 · python教程 | 20小时前 | Python教程 · 静态类型检查 异步方法 Python Protocol 结构类型 Awaitable
- Python Protocol 怎样描述带异步方法的结构类型
- 363浏览 收藏
-
- 文章 · python教程 | 23小时前 | Python教程 · InitVar __post_init__ Python dataclasses.replace 数据类复制
- Python dataclasses.replace 遇到 InitVar 时怎样传递参数
- 381浏览 收藏
-
- 文章 · python教程 | 1天前 | python · pathlib ·
- Python importlib.resources.as_file 的临时路径何时失效
- 318浏览 收藏
-
- 文章 · python教程 | 1天前 | SQLite · Python教程 · Python sqlite3 Connection.backup 进度回调 SQLite备份
- Python sqlite3 备份进度回调怎样判断剩余页数
- 264浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 内存优化 · Python教程 · 文件读取 大文件处理 Python mmap 分段映射 ALLOCATIONGRANULARITY
- Python mmap 怎样分段处理超过内存的大文件
- 146浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 二进制协议 零拷贝 memoryview
- Python memoryview 如何零拷贝切片二进制协议数据
- 225浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发控制 · Python教程 · asyncio · 虚假唤醒 wait_for Python asyncio asyncio.Condition 异步同步
- Python asyncio.Condition.wait_for 如何处理虚假唤醒
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup 派生新组时如何保留异常元数据
- 417浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 402次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 478次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 488次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 435次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 262次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
