Python 实现一个函数找出列表中所有符合条件的元素（手把手讲解）

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

• 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;演示链接： http://116.62.199.48:7070 ;
• 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观

在 Python 开发中，列表（List）是最常用的数据结构之一。随着数据量的增加，如何高效地从列表中筛选出符合条件的元素成为一项关键技能。无论是处理学生成绩、分析销售数据，还是构建复杂算法，掌握这一技术都能显著提升代码的可读性和执行效率。本文将通过循序渐进的方式，从基础语法到高级技巧，逐步讲解如何用 Python 实现一个函数，精准找出列表中所有符合条件的元素。

一、基础：循环遍历与条件筛选

1.1 循环遍历列表的基本方法

Python 中遍历列表最直接的方式是使用 for 循环。例如，要遍历一个整数列表并打印所有元素：

numbers = [1, 2, 3, 4, 5]  
for num in numbers:  
    print(num)  

这段代码通过 for 循环逐个访问列表中的每个元素，适用于基础场景。

1.2 添加条件筛选逻辑

若需筛选符合条件的元素，可在循环中加入条件判断。例如，找出列表中所有偶数：

even_numbers = []  
for num in numbers:  
    if num % 2 == 0:  
        even_numbers.append(num)  
print(even_numbers)  # 输出：[2, 4]  

这里通过 if 语句判断每个元素是否为偶数，并将符合条件的元素添加到新列表 even_numbers 中。

1.3 总结：循环 + 条件的局限性

虽然上述方法简单直观，但它存在两个问题：

1. 代码冗余：若需多次执行类似操作，重复编写循环和条件逻辑会增加维护成本。
2. 可读性差：当条件复杂时（如多个判断条件嵌套），代码可读性会显著下降。

二、进阶：函数封装与代码复用

2.1 将逻辑封装为函数

通过定义函数，可以将筛选逻辑封装成一个可复用的模块。例如，定义一个通用的筛选函数：

def filter_list(input_list, condition_func):  
    result = []  
    for item in input_list:  
        if condition_func(item):  
            result.append(item)  
    return result  

这里 condition_func 是一个函数参数，用于定义筛选条件。例如，筛选偶数时：

def is_even(num):  
    return num % 2 == 0  

even_numbers = filter_list(numbers, is_even)  
print(even_numbers)  # 输出：[2, 4]  

2.2 函数设计的优化

上述函数通过接受外部条件函数（callback）实现了灵活性，但仍有改进空间：

• 默认参数：若条件简单，可提供默认的条件函数。
• 类型提示：增加类型注解提升代码可读性。

优化后的版本：

from typing import Callable, List  

def filter_list(  
    input_list: List,  
    condition_func: Callable[[object], bool] = lambda x: True  
) -> List:  
    result = []  
    for item in input_list:  
        if condition_func(item):  
            result.append(item)  
    return result  

此时，若直接调用 filter_list(numbers)，会返回原列表（默认条件为 True）。

三、高级技巧：列表推导式与生成器表达式

3.1 列表推导式：一行代码实现筛选

列表推导式（List Comprehension）是 Python 的特色语法，能将循环和条件判断浓缩为一行：

even_numbers = [num for num in numbers if num % 2 == 0]  
print(even_numbers)  # 输出：[2, 4]  

其语法结构为：

[expression for item in iterable if condition]  

• 优势：代码简洁，执行效率高（底层使用 C 语言优化）。
• 适用场景：条件简单且需返回列表时。

3.2 生成器表达式：节省内存的替代方案

若列表非常大，直接生成列表可能占用过多内存。此时可用生成器表达式（Generator Expression），返回迭代器而非列表：

even_numbers_gen = (num for num in numbers if num % 2 == 0)  
for num in even_numbers_gen:  
    print(num)  

生成器按需生成元素，适合处理大数据或流式数据。

四、内置函数与函数式编程：filter() 和 map()

4.1 使用 filter() 函数

Python 内置的 filter() 函数与列表推导式功能类似，但语法略有不同：

filtered_result = filter(is_even, numbers)  
print(list(filtered_result))  # 输出：[2, 4]  

• 语法：filter(function, iterable)
• 注意：在 Python 3 中，filter 返回迭代器，需用 list() 转换为列表。

4.2 map() 的扩展应用

map() 通常用于对元素执行操作，但结合 filter() 可实现多条件筛选。例如，筛选出大于 2 的偶数：

filtered_map = filter(lambda x: x > 2, map(lambda x: x if x % 2 == 0 else None, numbers))  

不过，此写法复杂度较高，推荐优先使用列表推导式或自定义函数。

五、性能优化：不同方法的效率对比

5.1 实验环境与测试数据

假设有一个包含 1000 万个元素的列表：

import random  
large_list = [random.randint(1, 100) for _ in range(10**7)]  

测试目标：找出所有大于 50 的元素。

5.2 测试代码与结果

import time  

start = time.time()  
result1 = []  
for num in large_list:  
    if num > 50:  
        result1.append(num)  
print(f"for循环耗时：{time.time() - start:.2f}秒")  

start = time.time()  
result2 = [num for num in large_list if num > 50]  
print(f"列表推导式耗时：{time.time() - start:.2f}秒")  

start = time.time()  
result3 = list(filter(lambda x: x > 50, large_list))  
print(f"filter 函数耗时：{time.time() - start:.2f}秒")  

典型输出：

for循环耗时：0.78秒  
列表推导式耗时：0.65秒  
filter 函数耗时：0.62秒  

5.3 结论与建议

• 列表推导式和 filter() 的性能相近，均优于纯循环。
• 生成器表达式 在处理超大列表时更节省内存。
• 优先选择列表推导式：语法简洁且直观，适合大多数场景。

六、实战案例：复杂条件的筛选

6.1 案例背景

假设有一个学生成绩列表，每个元素是字典：

students = [  
    {"name": "Alice", "score": 85, "age": 18},  
    {"name": "Bob", "score": 72, "age": 17},  
    {"name": "Charlie", "score": 92, "age": 19},  
    {"name": "Diana", "score": 68, "age": 16},  
]  

目标：筛选出 年龄 ≥18 岁且成绩 ≥80 分 的学生。

6.2 实现方案

方法 1：自定义函数 + filter()

def is_eligible(student):  
    return student["age"] >= 18 and student["score"] >= 80  

filtered_students = list(filter(is_eligible, students))  

方法 2：列表推导式

filtered_students = [  
    student for student in students  
    if student["age"] >= 18 and student["score"] >= 80  
]  

6.3 输出结果

[  
    {'name': 'Alice', 'score': 85, 'age': 18},  
    {'name': 'Charlie', 'score': 92, 'age': 19}  
]  

七、常见问题与解决方案

7.1 问题 1：如何处理嵌套列表？

示例：从二维列表中筛选元素值大于 3 的元素。

nested_list = [[1, 2], [3, 4], [5, 6]]  
flattened = [num for sublist in nested_list for num in sublist if num > 3]  
print(flattened)  # 输出：[4, 5, 6]  

技巧：使用双重列表推导式或 itertools.chain() 扁平化列表。

7.2 问题 2：如何同时满足多个条件？

示例：筛选年龄 ≥18 岁或成绩 ≥90 分的学生。

filtered_students = [  
    student for student in students  
    if student["age"] >= 18 or student["score"] >= 90  
]  

逻辑：用 and 或 or 组合多个条件，或通过 all() 和 any() 函数处理复杂逻辑。

八、总结与扩展

8.1 核心知识点回顾

• 基础方法：循环遍历 + 条件判断。
• 代码复用：函数封装与参数化条件。
• 高级语法：列表推导式、生成器表达式、filter()。
• 性能优化：根据数据规模选择合适方法。

8.2 进一步学习方向

1. 函数式编程：深入理解 map()、reduce() 等高阶函数。
2. 类型提示与静态检查：使用 mypy 等工具增强代码健壮性。
3. 并行处理：通过 multiprocessing 或 concurrent.futures 处理超大数据集。

通过本文的讲解，读者应能掌握从简单到复杂场景的列表筛选技巧。无论是新手还是中级开发者，都可以根据需求选择最适合的方案，提升代码效率与可维护性。

（全文约 1800 字）