翻译：《实用的Python编程》02_06_List_comprehension

目录 | 上一节 (2.5 collections模块) | 下一节 (2.7 对象模型)

2.6 列表推导式

一个常见的任务是处理列表中的项（译注：元素）。本节介绍列表推导式，完成此任务的强大工具。

建立新列表

列表推导式经过将操做应用于序列的每个元素来建立新列表。

>>> a = [1, 2, 3, 4, 5]
>>> b = [2*x for x in a ]
>>> b
[2, 4, 6, 8, 10]
>>>

再如:

>>> names = ['Elwood', 'Jake']
>>> a = [name.lower() for name in names]
>>> a
['elwood', 'jake']
>>>

列表推导式的通常语法是：[ <expression> for <variable_name> in <sequence> ]。

过滤

也能够在列表推导式中对元素进行过滤。

>>> a = [1, -5, 4, 2, -2, 10]
>>> b = [2*x for x in a if x > 0 ]
>>> b
[2, 8, 4, 20]
>>>

用例

列表推导式超级有用。例如，能够收集特定字典字段的值：

stocknames = [s['name'] for s in stocks]

在序列上执行类数据库查询：

a = [s for s in stocks if s['price'] > 100 and s['shares'] > 50 ]

也能够把列表推导式与序列缩减合并在一块儿：

cost = sum([s['shares']*s['price'] for s in stocks])

通常语法

[ <expression> for <variable_name> in <sequence> if <condition>]

上面语法的含义：

result = []
for variable_name in sequence:
    if condition:
        result.append(expression)

历史题外话

列表推导式来自于数学（集合构建符号）。

a = [ x * x for x in s if x > 0 ] # Python

a = { x^2 | x ∈ s, x > 0 }         # Math

这在其它几种语言中也实现了，虽然大部分的程序员可能已经想不起他们的数学课了。因此，能够将其视为很酷的列表快捷方式。

练习

首先运行 report.py 程序，以便可以在交互模式下中加载股票投资组合。

bash % python3 -i report.py

如今，在 Python 交互提示符下，输入语句以执行下述操做。这些操做对投资组合数据执行各种缩减，转换和查找。

练习 2.19：列表推导式

尝试一些简单的列表推导式来熟悉语法：

>>> nums = [1,2,3,4]
>>> squares = [ x * x for x in nums ]
>>> squares
[1, 4, 9, 16]
>>> twice = [ 2 * x for x in nums if x > 2 ]
>>> twice
[6, 8]
>>>

请注意列表推导式是如何经过适当转换或过滤的数据建立一个新列表的。

练习 2.20：序列缩减

使用单个 Python 语句计算投资组合的总价。

>>> portfolio = read_portfolio('Data/portfolio.csv')
>>> cost = sum([ s['shares'] * s['price'] for s in portfolio ])
>>> cost
44671.15
>>>

完成后，展现如何使用单个语句计算投资组合的当前值。

>>> value = sum([ s['shares'] * prices[s['name']] for s in portfolio ])
>>> value
28686.1
>>>

上面的两个操做都是映射缩减的列子。列表推导式将操做映射到整个列表。

>>> [ s['shares'] * s['price'] for s in portfolio ]
[3220.0000000000005, 4555.0, 12516.0, 10246.0, 3835.1499999999996, 3254.9999999999995, 7044.0]
>>>

而后，sum() 函数对全部结果进行缩减。

>>> sum(_)
44671.15
>>>

有了这些知识，你如今就能够准备成立一家大数据创业公司了。

练习 2.21：数据查询

请尝试如下各类数据查询示例。

首选是建立一个列表，存储持有 100 股以上的股票投资组合。

>>> more100 = [ s for s in portfolio if s['shares'] > 100 ]
>>> more100
[{'price': 83.44, 'name': 'CAT', 'shares': 150}, {'price': 51.23, 'name': 'MSFT', 'shares': 200}]
>>>

持有 MSFT 和 IBM 股票的全部投资组合。

>>> msftibm = [ s for s in portfolio if s['name'] in {'MSFT','IBM'} ]
>>> msftibm
[{'price': 91.1, 'name': 'IBM', 'shares': 50}, {'price': 51.23, 'name': 'MSFT', 'shares': 200},
  {'price': 65.1, 'name': 'MSFT', 'shares': 50}, {'price': 70.44, 'name': 'IBM', 'shares': 100}]
>>>

持有总价超过 $10000 的全部股票投资组合。

>>> cost10k = [ s for s in portfolio if s['shares'] * s['price'] > 10000 ]
>>> cost10k
[{'price': 83.44, 'name': 'CAT', 'shares': 150}, {'price': 51.23, 'name': 'MSFT', 'shares': 200}]
>>>

练习 2.22：数据提取

展现如何构建元组 (name, shares) 列表，名称（name ）和 股数（shares）从股票投资组合（portfolio）中获取：

>>> name_shares =[ (s['name'], s['shares']) for s in portfolio ]
>>> name_shares
[('AA', 100), ('IBM', 50), ('CAT', 150), ('MSFT', 200), ('GE', 95), ('MSFT', 50), ('IBM', 100)]
>>>

若是将方括号（[,]）更改成花括号（{, }），那么将获得集合推导式。这会获得独一无二的的或无重复的值。

例如，这将肯定集合中的股票名称是独一无二的：

>>> names = { s['name'] for s in portfolio }
>>> names
{ 'AA', 'GE', 'IBM', 'MSFT', 'CAT' }
>>>

若是指定键值对（key:value），则能够构建一个字典。例如，构建一个将股票名称映射到持有的股票数量的字典：

>>> holdings = { name: 0 for name in names }
>>> holdings
{'AA': 0, 'GE': 0, 'IBM': 0, 'MSFT': 0, 'CAT': 0}
>>>

后面的特性就是众所皆知的字典推导式。让咱们将其表格化：

>>> for s in portfolio:
        holdings[s['name']] += s['shares']

>>> holdings
{ 'AA': 100, 'GE': 95, 'IBM': 150, 'MSFT':250, 'CAT': 150 }
>>>

请尝试如下示例，该示例将 prices 字典过滤出仅在 portfolio 中出现的名称（name）：

>>> portfolio_prices = { name: prices[name] for name in names }
>>> portfolio_prices
{'AA': 9.22, 'GE': 13.48, 'IBM': 106.28, 'MSFT': 20.89, 'CAT': 35.46}
>>>

练习 2.23: 从 CSV 文件提取数据

在各种数据处理中，知道如何将列表，集合，字典推导式联合使用会很是有用。这里有一个示例，展现如何从 CSV 文件中提取所选择的列。

首先，从 CSV 文件读取一行标题信息：

>>> import csv
>>> f = open('Data/portfoliodate.csv')
>>> rows = csv.reader(f)
>>> headers = next(rows)
>>> headers
['name', 'date', 'time', 'shares', 'price']
>>>

接着，定义一个变量列出实际须要的列：

>>> select = ['name', 'shares', 'price']
>>>

如今，在 CSV 源文件中找到以上各列的索引。

>>> indices = [ headers.index(colname) for colname in select ]
>>> indices
[0, 3, 4]
>>>

最后，使用字典推导式读取数据的一行并把其转换为字典。

>>> row = next(rows)
>>> record = { colname: row[index] for colname, index in zip(select, indices) }   # dict-comprehension
>>> record
{'price': '32.20', 'name': 'AA', 'shares': '100'}
>>>

若是你对前面的操做感到满意，那么请读取文件的剩余部分：

>>> portfolio = [ { colname: row[index] for colname, index in zip(select, indices) } for row in rows ]
>>> portfolio
[{'price': '91.10', 'name': 'IBM', 'shares': '50'}, {'price': '83.44', 'name': 'CAT', 'shares': '150'},
  {'price': '51.23', 'name': 'MSFT', 'shares': '200'}, {'price': '40.37', 'name': 'GE', 'shares': '95'},
  {'price': '65.10', 'name': 'MSFT', 'shares': '50'}, {'price': '70.44', 'name': 'IBM', 'shares': '100'}]
>>>

天啊，已经把 read_portfolio() 函数简化为单个语句了。

说明

列表推导式在 Python 中经常使用做转换，过滤和收集数据的有效方法。因为语法的缘由，请不要走极端——应该让每一个列表推导式尽量简单。能够将事情分解为多个步骤。例如，不清楚你会不会把最后一个例子强加给绝不知情的同事。

也就是说，知道如何快速处理数据是一项很是有用的技能。在不少状况下，可能必须解决某种一次性的问题，包括数据导入，导出，提取等。成为列表推导式的大师能够大大减小设计方案所花费的时间。另外，不要忘记 collections 模块。

目录 | 上一节 (2.5 collections模块) | 下一节 (2.7 对象模型)

注：完整翻译见 https://github.com/codists/practical-python-zh