推导式：列表推导、字典推导、集合推导

一句话概述

推导式（Comprehension）是 Python 最具特色的语法之一，它让你用一行代码就能从已有的可迭代对象中快速构建出列表、字典或集合。相比传统的 for 循环写法，推导式更简洁、执行速度更快、可读性更高。在 AI 开发中，推导式广泛用于数据预处理、特征变换、批量标签转换等高频操作。

💡 核心要点：① 列表推导式 [expr for x in iterable] 一行生成新列表 ② 带条件的推导式用 if 过滤元素 ③ 字典推导式 {k: v for ...} 快速构建映射表 ④ 集合推导式 {expr for ...} 自动去重

教学与演示

一、列表推导式：一行生成列表

是什么：列表推导式的基本语法是 [表达式 for 变量 in 可迭代对象]——它遍历可迭代对象中的每个元素，对每个元素执行表达式计算，将结果收集到一个新列表中并返回。本质上是 for 循环 + append() 的浓缩版。

大白话 就像批量生产——你有一个零件清单（可迭代对象），工人（for 循环）一个一个取零件，经过加工（表达式）后放入成品箱（新列表）。传统写法需要三步（建箱、加工、装箱），推导式一步到位。

为什么：AI 数据处理中频繁需要在列表之间做映射转换——所有像素值除以 255 归一化、所有标签转为 one-hot 编码、所有样本减去均值做标准化。用传统 for 循环写 3-5 行，推导式一行搞定，而且 Python 解释器对推导式有专门优化，执行速度通常比等价 for 循环快 20%~50%。

怎么做：

import numpy as np

# 模拟 AI 数据预处理：将像素值从 [0, 255] 归一化到 [0, 1]
# 生成 8 个模拟的原始像素值
np.random.seed(10)
pixels = np.random.randint(0, 256, size=8)  # 8个像素值，范围[0, 255]
print(f"原始像素值：{pixels}")

# 传统 for 循环写法（3行）
normalized_old = []  # 第一步：建空列表
for p in pixels:  # 第二步：遍历
    normalized_old.append(p / 255.0)  # 第三步：计算并添加

# 列表推导式写法（1行！）
normalized = [p / 255.0 for p in pixels]  # 一行完成同样的逻辑
# 语法解读：[对每个元素做什么 for 元素 in 来源]

print(f"传统写法结果：{[round(x, 4) for x in normalized_old]}")
print(f"推导式结果  ：{[round(x, 4) for x in normalized]}")

# 更复杂的变换：模拟对数据做标准化（减均值除以标准差）
print(f"\n--- 数据标准化（Z-score）---")
values = np.random.randint(10, 100, size=6)
print(f"原始值：{values}")
mean_val = np.mean(values)  # 计算均值
std_val = np.std(values)    # 计算标准差
# 列表推导式做标准化
standardized = [(v - mean_val) / std_val for v in values]
print(f"标准化后：{[round(x, 4) for x in standardized]}")

什么用：在 AI 图像处理中，[img/255.0 for img in batch] 批量归一化像素值。在 NLP 中，[len(text) for text in corpus] 快速统计所有文本长度。在特征工程中，[np.log(f) for f in features] 对偏态分布特征做对数变换。PyTorch 中 [tensor.to(device) for tensor in batch] 批量将张量转移到 GPU。

二、带条件的列表推导式

是什么：在基本列表推导式的末尾加上 if 条件，可以过滤掉不满足条件的元素。语法为 [表达式 for 变量 in 可迭代对象 if 条件]——只有满足 if 条件的元素才会参与表达式计算并被收集到结果列表中。

大白话 就像水果分拣线——传送带上各种水果（可迭代对象）经过，质检员只看苹果（if 条件），把苹果挑出来装盒（表达式），橘子直接放过去不要。

为什么：数据处理中经常需要「先过滤再变换」——只保留置信度 > 0.9 的预测结果、只取长度 > 3 的有效文本、只保留非零特征值。用传统写法需要嵌套 if + append，推导式的 if 后缀让过滤逻辑一目了然。

怎么做：

import numpy as np

# 模拟 AI 模型推理结果过滤：只保留高置信度的预测
np.random.seed(7)
# 10个样本的预测概率（模拟 softmax 输出各类别概率）
probabilities = np.random.uniform(0.1, 1.0, size=10)
probabilities = np.round(probabilities, 4)
print(f"全部预测概率：{probabilities}")

# 带条件的列表推导式：只保留概率 > 0.7 的高置信度预测
# 语法：[表达式 for 变量 in 来源 if 条件]
high_conf = [p for p in probabilities if p > 0.7]
print(f"高置信度（>0.7）：{high_conf}")
print(f"高置信度占比：{len(high_conf)}/{len(probabilities)}")

# 进阶：过滤 + 变换同时进行
# 只保留 > 0.5 的预测，并将其转为百分比字符串
print(f"\n--- 过滤 + 格式转换 ---")
results = [f"{p*100:.1f}%" for p in probabilities if p > 0.5]
print(f"转换为百分比（>0.5）：{results}")

# 模拟数据清洗：列出所有超出合理范围的特征值
print(f"\n--- 异常值检测 ---")
features = np.array([1.2, 3.5, 99.7, 2.1, -50.3, 4.2, 0.0, 200.1])
print(f"原始特征：{features}")
# 找出异常值（<0 或 >50 认为异常）
anomalies = [f for f in features if f < 0 or f > 50]
print(f"异常值（<0 或 >50）：{anomalies}")

什么用：在 AI 模型输出后处理中，[pred for pred in predictions if pred.confidence > 0.9] 过滤低置信度结果。在数据清洗中，[x for x in data if not np.isnan(x)] 剔除缺失值。在特征选择中，[f for f in features if np.var(f) > 0.01] 过滤方差过低的无效特征。在 NLP 停用词过滤中，[w for w in words if w not in stop_words] 去除停用词。

三、字典推导式：快速建表

是什么：字典推导式的语法为 {键表达式: 值表达式 for 变量 in 可迭代对象 if 条件}——遍历过程中为每个元素生成一个键值对，最终汇聚成一个字典。if 条件 部分可选，用于过滤。

大白话 就像自动编号机——给你一叠文件（可迭代对象），机器自动给每份文件打上编号（键）和分类标签（值），最后产出一本目录册（字典）。

为什么：AI 开发中经常需要快速构建映射关系——类别名到索引的映射、特征名到特征值的映射、样本 ID 到预测结果的映射。字典推导式是构建这类映射表的最快方式。

怎么做：

import numpy as np

# 场景1：构建类别名到索引的映射表（AI分类任务必需）
class_names = ["猫", "狗", "鸟", "鱼", "兔"]  # 分类任务中的类别名
# 字典推导式：{类别名: 索引}
class_to_idx = {name: idx for idx, name in enumerate(class_names)}
print("类别 → 索引映射表：")
print(class_to_idx)
# 反向映射：索引导类别名
idx_to_class = {idx: name for name, idx in class_to_idx.items()}
print(f"\n索引 → 类别映射表：")
print(idx_to_class)

# 场景2：快速统计元素频次（模拟词频统计）
print(f"\n--- 模拟词汇频次统计 ---")
words = ["AI", "Python", "AI", "深度学习", "Python", "AI", "数据"]
# 字典推导式 + 列表的 count 方法
word_freq = {word: words.count(word) for word in set(words)}
print("词频统计：", word_freq)

# 场景3：带条件的字典推导式
# 只保留频次 > 1 的高频词
high_freq = {word: count for word, count in word_freq.items() if count > 1}
print("高频词（出现>1次）：", high_freq)

# 场景4：构建特征名到随机权重的映射（模拟神经网络参数初始化）
print(f"\n--- 特征权重初始化 ---")
feature_names = ["亮度", "对比度", "饱和度", "锐度", "色温"]
np.random.seed(3)
# 每个特征随机初始化一个权重（模拟神经网络第一层）
weights = {name: round(np.random.uniform(-0.5, 0.5), 4) for name in feature_names}
print("特征权重表：", weights)

什么用：在 AI 分类任务中，{label: idx for idx, label in enumerate(classes)} 构建标签映射是每个项目的第一步。在 NLP 中，{word: vec for word, vec in zip(vocab, embeddings)} 构建词到向量的查找表。在模型配置中，{name: value for name, value in config if value is not None} 过滤空配置项。在结果汇总中，{sample_id: pred for sample_id, pred in zip(ids, predictions)} 构建 ID 到预测的映射。

四、集合推导式：自动去重的列表

是什么：集合推导式的语法为 {表达式 for 变量 in 可迭代对象 if 条件}（注意用花括号 {} 但花括号内只有单个表达式，没有冒号）——遍历并计算每个元素，结果自动去重后放入一个集合。

大白话 就像投票箱——大家往里面投选票（for 循环处理每个元素），但自动把重复的票合并掉了（集合去重特性）。最终你看到的是一组不重复的结果。

为什么：在 AI 数据处理中，经常需要获取唯一值——数据集中有哪些类别、语料库中有哪些不重复的词汇、特征有哪些不同的取值。用列表推导式还要再套 set()，而集合推导式一步到位。

怎么做：

import numpy as np

# 场景1：快速获取数据中的唯一类别（去重）
# 模拟分类模型的一批预测结果（含重复类别）
predictions = ["猫", "狗", "猫", "鸟", "狗", "猫", "鱼", "鸟", "狗"]
# 集合推导式：自动去重，得到所有不重复的预测类别
unique_classes = {pred for pred in predictions}  # 花括号 + 单个表达式 = 集合推导式
print("所有预测中出现过的类别：", unique_classes)
print(f"类别数：{len(unique_classes)}（原列表{len(predictions)}条）")

# 场景2：提取数据集中所有不重复的特征值
print(f"\n--- 获取不重复的特征值 ---")
np.random.seed(5)
# 模拟 20 个样本的离散特征取值（如学历等级）
levels = np.random.choice(["小学", "初中", "高中", "本科", "硕士", "博士"], size=20)
print(f"全部样本特征：{levels}")
# 集合推导式获取所有不重复的取值
unique_levels = {lv for lv in levels}
print(f"不重复的特征值：{sorted(unique_levels)}")

# 场景3：带条件的集合推导式
# 提取所有长度 > 1 的标签
print(f"\n--- 带过滤的集合推导式 ---")
tags = ["AI", "ML", "AI", "Deep", "ML", "CV", "NLP", "CV", "DL"]
# 只保留长度 > 2 的标签，且去重
long_tags = {t for t in tags if len(t) > 2}
print("原始标签：", tags)
print("长度>2的不重复标签：", long_tags)

# 场景4：列表推导式 vs 集合推导式的对比
print(f"\n--- 对比：列表 vs 集合推导式 ---")
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]  # 含大量重复
list_result = [x * x for x in data]       # 列表推导式：保留所有元素
set_result = {x * x for x in data}        # 集合推导式：自动去重
print(f"列表推导式（保留重复）：{list_result}")
print(f"集合推导式（自动去重）：{set_result}")

什么用：在 AI 数据探索（EDA）中，{label for label in df['category']} 快速了解数据集有哪些类别。在 NLP 构建词汇表时，{word for doc in corpus for word in doc} 收集语料库中所有不重复词汇。在异常检测中，{ip for ip in logs if is_suspicious(ip)} 收集所有可疑 IP 并自动去重。在特征工程中，快速了解一个离散特征有哪些可能的取值。

概念关系图谱

重点答疑

Q1: 列表推导式和 for 循环 + append 有什么本质区别？

语法层面：推导式是一行表达式，for+append 是多行语句。性能层面：推导式在 CPython 中以 C 语言级别执行，避免了每次迭代查找 append 方法、压栈出栈的开销，通常快 20%~50%。可读性层面：对于简单的「映射+收集」操作，推导式更清晰；但如果循环体内逻辑复杂（多步操作、副作用、异常处理），for 循环更合适。原则是「简单映射用推导式，复杂逻辑用 for」。

Q2: 什么时候用集合推导式而不是列表推导式再转 set()？

两者的结果等价，性能也差别不大。集合推导式的优势在于语义更直接——你的意图就是「获取不重复的集合」，一行代码就能表达，读到的人也一眼明白。set([x for x in data if cond]) 先建完整列表再转集合，中间列表会临时占用内存；而 {x for x in data if cond} 直接构建集合，内存上略优。当数据量很大时，集合推导式略好。

Q3: 推导式可以嵌套吗？会不会降低可读性？

语法上可以嵌套，比如 [y for x in matrix for y in x] 展开二维矩阵。但嵌套推导式很容易变得难以阅读，尤其是在涉及多个 for 和 if 时。PEP 8 建议：如果推导式超过一行（约 79 个字符），应该拆分为 for 循环。一个折中：单层推导式大胆用，两层嵌套视情况，三层及以上必须用 for 循环。代码是写给人看的，推导式的首要目的是提升可读性，而非炫技。

章节单词汇总