Python 使用列表推导式生成一个列表（长文讲解）

💡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

前言：为什么需要列表推导式？

在 Python 编程中，列表是最常用的数据结构之一。当我们需要快速生成或转换列表时，传统方法通常需要通过循环、条件判断甚至多个步骤来实现。而列表推导式（List Comprehensions）则提供了一种简洁、高效的方式，能够在一行代码中完成复杂的列表操作。这种语法不仅提升了代码的可读性，还能显著减少代码量，是 Python 语言设计哲学“优雅简洁”的完美体现。

例如，如果我们需要生成一个包含 0 到 9 平方数的列表，传统写法需要这样：

squares = []
for x in range(10):
    squares.append(x**2)

而列表推导式可以将其简化为：

squares = [x**2 for x in range(10)]

这种对比直观展示了列表推导式的强大之处。接下来，本文将从基础语法到高级应用，逐步讲解如何用列表推导式高效生成列表，并通过实际案例帮助读者掌握这一工具。

列表推导式的基本语法结构

列表推导式的核心语法可以拆解为三个关键部分：

1. 表达式（Expression）：定义列表元素的生成规则
2. 迭代（Iteration）：指定数据来源或循环范围
3. 条件（Optional Conditions）：可选的筛选规则

其标准语法形式为：

[expression for variable in iterable if condition]

1. 基础案例：生成简单列表

假设我们需要生成一个包含前 10 个自然数的列表：

numbers = [x for x in range(10)]
print(numbers)  # 输出：[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

这里，x 是迭代变量，range(10) 是迭代对象，而 x 本身即为表达式。这个例子展示了列表推导式最基础的用法。

条件判断：筛选与过滤

列表推导式支持在迭代过程中添加条件判断，实现列表的筛选或过滤。条件可以放置在迭代部分之后，也可以嵌套在表达式内部。

2. 筛选偶数案例

假设我们需要从 0 到 20 的数字中筛选出所有偶数：

even_numbers = [x for x in range(20) if x % 2 == 0]
print(even_numbers)  # 输出：[0, 2, 4, ..., 18]

这里的 if x % 2 == 0 是条件判断，只有满足条件的元素才会被加入列表。

3. 多条件筛选的嵌套逻辑

如果需要同时满足多个条件，可以使用逻辑运算符连接多个条件。例如，筛选 10 到 30 之间的质数：

primes = [x for x in range(10, 31) if all(x % i != 0 for i in range(2, int(x**0.5)+1))]
print(primes)  # 输出：[11, 13, 17, 19, 23, 29]

这里通过嵌套的生成器表达式 all(...) 实现了质数的判断逻辑。

嵌套循环：构建多维列表

列表推导式支持嵌套循环，可以高效生成二维或多维列表。例如，创建一个 3x3 的矩阵：

matrix = [[row*col for col in range(1, 4)] for row in range(1, 4)]
print(matrix)  # 输出：[[1, 2, 3], [2, 4, 6], [3, 6, 9]]

这里的外层循环控制行数，内层循环控制列数，每个元素的值由 row*col 计算得出。

4. 嵌套循环的直观比喻

可以把列表推导式的嵌套循环想象成“俄罗斯套娃”结构：外层循环包裹着内层循环，每一层循环都为最终的列表元素提供不同的维度。例如，遍历文件夹中的所有子文件夹时：

files = [
    ["images", ["cat.jpg", "dog.jpg"]],
    ["docs", ["report.pdf", "notes.txt"]]
]
filenames = [file for folder, subfiles in files for file in subfiles]
print(filenames)  # 输出：['cat.jpg', 'dog.jpg', 'report.pdf', 'notes.txt']

这个例子展示了如何通过嵌套循环“穿透”多层结构，提取底层元素。

性能优势：列表推导式 vs 传统循环

列表推导式之所以被广泛推荐，一个重要原因是其性能优势。与显式循环相比，列表推导式在内部通过 C 语言实现，减少了函数调用和解释器的开销。

5. 性能对比实验

以下是比较两种方式生成 10000 个元素列表的代码：

import time

start = time.time()
result = []
for x in range(10000):
    result.append(x**2)
print(f"传统循环耗时: {time.time() - start:.6f}秒")

start = time.time()
result = [x**2 for x in range(10000)]
print(f"列表推导式耗时: {time.time() - start:.6f}秒")

测试结果显示，列表推导式通常比传统循环快 3-5 倍，这种差异在处理大规模数据时尤为显著。

进阶技巧：条件表达式与多条件组合

6. 带条件的表达式：if-else 结构

可以在表达式部分直接使用条件判断，例如生成一个区分正负数的列表：

numbers = [1, -2, 3, -4, 5]
result = ["正数" if num > 0 else "负数" for num in numbers]
print(result)  # 输出：['正数', '负数', '正数', '负数', '正数']

7. 多条件组合：优先级与嵌套

当需要处理多个条件时，可以将条件逻辑嵌套在表达式中：

grades = [85, 92, 58, 70, 65]
grades_result = [
    "优秀" if grade >= 90 else
    "及格" if grade >= 60 else
    "不及格"
    for grade in grades
]
print(grades_result)  # 输出：['及格', '优秀', '不及格', '及格', '及格']

常见误区与解决方案

8. 误区 1：忽略缩进与可读性

虽然列表推导式简洁，但过度复杂化可能导致可读性下降。例如：

filtered = [
    x*y 
    for x in range(10) 
    if x%2 == 0 
    for y in range(10) 
    if y%3 == 0 
    if x*y > 10
]

解决方案：将复杂逻辑拆分为多个步骤：

even_x = [x for x in range(10) if x%2 == 0]
divisible_y = [y for y in range(10) if y%3 == 0]
filtered = [x*y for x in even_x for y in divisible_y if x*y > 10]

误区 2：混淆列表推导式与生成器表达式

生成器表达式（Generator Expression）使用圆括号 ()，适用于内存敏感场景：

sum_result = sum(x**2 for x in range(10000000))

而列表推导式生成完整列表，适合需要多次访问的场景。

实战案例：综合应用列表推导式

9. 案例 1：统计文本中单词长度

假设我们有一个文本字符串，需要统计所有单词的长度：

text = "Python is an interpreted high-level general-purpose programming language"
words = text.split()
lengths = [len(word) for word in words]
print(lengths)  # 输出：[6, 2, 1, 11, 9, 11, 11, 8]

10. 案例 2：过滤并格式化数据

假设从 CSV 文件中读取的数据需要筛选并格式化：

data = [
    ["Alice", 25, 85],
    ["Bob", 30, 75],
    ["Charlie", 22, 90]
]

filtered = [
    f"姓名: {name}, 年龄: {age}, 分数: {score}"
    for name, age, score in data
    if age >= 25 and score >= 80
]
print(filtered)  # 输出包含 Alice 和 Charlie 的记录

结论：掌握列表推导式的关键

通过本文的学习，读者应该能够理解列表推导式的语法结构、应用场景及性能优势。以下是关键总结：

• 语法核心：表达式 + 迭代 + 条件
• 优势：代码简洁、执行高效、可读性强
• 适用场景：数据转换、筛选、多维数据生成
• 注意事项：避免过度复杂化，合理拆分逻辑

掌握列表推导式不仅能提升编码效率，还能让代码更接近 Python 的“禅宗哲学”——“优美胜于丑陋，简洁胜于复杂”。对于希望进阶 Python 开发的读者，建议通过实践不断巩固这一技能，并尝试将其与字典推导式、集合推导式等其他高级特性结合使用，进一步提升编程能力。

通过本文的系统讲解，相信读者已经掌握了 Python 使用列表推导式生成列表的核心方法。在后续的开发中，不妨尝试将传统循环改写为列表推导式，逐步体会其带来的效率提升与代码优雅性。