## 引言
这是第三章「流程控制」的第 7 篇。前面六篇已经把分支（if/elif/else、match）与循环（while、for/range、break/continue）全部讲完，你已经能用命令式写法解决几乎所有「逐元素处理」的问题。但你会发现一个规律：这类代码里有一半是样板——先建一个空列表，再写 for 循环，循环体里 append，循环结束后才能看到结果。本篇要消灭的就是这部分样板。
推导式（comprehension）是 Python 提供的一套「循环 + 收集」的表达式写法：把「建容器 → 遍历 → 变换 → 过滤 → 收集」压缩成一行。它取材于数学里的集合构造记号（set-builder notation），在真实工程中出现的频率极高——日志解析、配置转换、数据清洗，处处都是它的身影。本篇先讲清为什么要有推导式（原理），再逐一实现列表、字典、集合三类推导式与生成器表达式（实现），最后讨论一个关键问题：什么时候应该退回去写普通 for 循环（可读性边界）。
阅读前提：for 循环与 range（第 4 篇）、if 的真值测试与过滤（第 1、2 篇）。顺带说明，本篇会用到条件表达式 `x if 条件 else y`，它相当于把 if/else 压进一个表达式，此处第一次正式使用，下文会现场解释。本篇的四个主题在后续课程里会反复出现，尤其是生成器表达式——它是数据管道（课程 02、06）的地基，请务必在本篇把它的「惰性」吃透。
## 概念与原理
### 从命令式到声明式：推导式在消灭什么
先看一段「标准」的逐元素处理代码：
```python
squares = []
for x in range(10):
squares.append(x * x)
```
四行代码里，真正有价值的只有两个信息：**要遍历什么**（range(10)）和**每个元素怎么变换**（x * x）。建空列表、调用 append、循环收尾这些都属于样板。推导式把这段压缩为：
```python
squares = [x * x for x in range(10)]
```
这种写法是「声明式」（declarative）的：你描述的是一份结果的配方，而不是一步步的操作步骤。它和数学集合构造记号 `{x² | x ∈ S}` 一一对应——方括号里开头是「产出表达式」x * x，接着是 for 子句说明从哪个数据源取变量，可选 if 子句描述过滤条件。语法骨架为：
> [产式 for 变量 in 数据源 if 条件]
其中 for 子句可以有多个（对应嵌套循环），if 子句可以有多个（多个过滤条件依次叠放）。这个骨架理解透了，四种推导式就只剩「换括号」的区别。
### 四种括号，四种结果类型
推导式的语法骨架相同，决定产物类型的只是外层括号：
- 方括号 `[产式 for ...]`：产生列表（list），立刻算完所有元素；
- 单值花括号 `{产式 for ...}`：产生集合（set），自动去重；
- 键值对花括号 `{键: 值 for ...}`：产生字典（dict）；
- 圆括号 `(产式 for ...)`：产生生成器对象（generator），注意它**不是**「元组推导式」——元组根本不存在推导式语法，圆括号包裹的是一个惰性对象，下文单独讲。
这套语法是分年代长出来的：列表推导式来自 PEP 202（2000 年，随 Python 2.0 发布）；生成器表达式来自 PEP 289（2003 年，随 Python 2.4 发布）；字典推导式来自 PEP 274（随 Python 2.7 / 3.0 发布）；集合推导式与集合字面量 `{1, 2, 3}` 同期进入 Python 2.7 / 3.0。理解历史有助于记住一个语法细节：`{}` 是空字典，空集合必须写 `set()`——因为空花括号的语义在集合语法出现前就被字典占用了。
### 实现机制与性能：不只是语法糖
推导式不是一个「展开成 for 循环」的语法糖这么简单。在 CPython 3.11 及更早版本里，每个推导式都会被编译成一个隐藏的嵌套函数对象（调试器里能看到 `<listcomp>` 之类的名字），循环实际跑在另一个函数帧里。Python 3.12 的 PEP 709 改变了这一点：顶层（非嵌套在另一个推导式里的）推导式被直接内联编译进当前函数帧，不再创建隐藏函数——性能上更接近手写循环。用反汇编可以验证：3.12 里推导式循环的字节码老老实实出现在当前函数的指令序列中（用 LOAD_FAST_AND_CLEAR / STORE_FAST 保存并恢复循环变量的旧值，从而保持「循环变量不泄漏」的语义）。
性能上，推导式 vs 手写 append 循环是同一数量级的。本机 CPython 3.12.10 实测，对 100 万个元素求平方、重复 3 轮取平均：for 循环约 0.29 秒，推导式约 0.27 秒，差距约 6%——在「简单元素计算」场景下两者没有质变。因此**选择推导式的主要理由是可读性与表达力，而不是性能**；遇到复杂到读不懂的推导式，换成循环写法性能也几乎无损。
### 惰性求值：列表 vs 生成器
列表推导式会立刻把结果全部算出来放在内存里；生成器表达式不同，它创建的对象本身**不持有任何结果元素**，而是记录了一份「配方」，等你逐个索取时才现场计算下一个元素——这种「需要时才计算」的机制称为惰性求值（lazy evaluation）。两个直接后果：
- 内存：列表占用的内存随元素数量线性增长，生成器的内存开销则与元素数量无关，恒定为一个固定大小；
- 一次性：生成器是「单向的水管」，迭代完就干了，不能回头再取一遍。
这两个性质合起来，使生成器表达式特别适合「算一下、消费掉」的场景——比如把结果喂给 sum、max 这类聚合函数，或作为管道的中间环节（课程 02 的数据流设计会大量使用）。下面用 sys.getsizeof 实测对比，把「惰性」落到具体数字上。
## 操作与实现
先跑通最基本的列表推导式，并与手写循环对照。
```python
squares = [x * x for x in range(10)]
print(squares)
squares_loop = []
for x in range(10):
squares_loop.append(x * x)
print(squares == squares_loop)
```
输出：
```text
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
True
```
从结果看两者完全等价，但推导式把「告诉程序做什么」压缩成了「告诉程序结果长什么样」。接下来加过滤条件：if 子句位于 for 之后，只保留满足条件的元素。
```python
even_squares = [x * x for x in range(10) if x % 2 == 0]
odd_squares = [x * x for x in range(10) if x % 2 == 1]
print(even_squares)
print(odd_squares)
```
输出：
```text
[0, 4, 16, 36, 64]
[1, 9, 25, 49, 81]
```
注意这里 x % 2 的值要么 0 要么 1，直接写 `if x % 2` 也能过滤出奇数——因为真值测试里 0 为假、1 为真（第 2 章布尔篇讲过）。但显式写 `== 0 / == 1` 语义更清楚，推荐保持显式。
过滤还有一种变体：如果「不符合条件」时你要的是**另一个值**而不是「跳过」，就把 if/else 写进产出表达式本身。此时用的是条件表达式（ternary），位置在产式里，不在 for 后面：
```python
signed = [x if x % 2 == 0 else -x for x in range(6)]
print(signed)
```
输出：
```text
[0, -1, 2, -3, 4, -5]
```
语法要点：`[产式 if 条件 else 另一个值 for ...]` 与 `[产式 for ... if 条件]` 是完全不同的两种东西——前者对每个元素都产出（二选一），后者直接丢弃不合格者。写错位置是新手最高频的错误之一，易错点部分还会展开。
### 嵌套：多个 for 的顺序就是循环嵌套的顺序
矩阵（二维列表）的展平是嵌套推导式的经典场景。多个 for 子句**从左到右**就是普通嵌套循环**从外到内**的顺序，读法与对应 for 循环完全一致：
```python
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flat = [v for row in matrix for v in row]
print(flat)
transposed = [[row[i] for row in matrix] for i in range(3)]
print(transposed)
```
输出：
```text
[1, 2, 3, 4, 5, 6, 7, 8, 9]
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]
```
展平可等价展开为（每个代码块都自包含，可独立运行）：
```python
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flat = []
for row in matrix: # 外层
for v in row: # 内层
flat.append(v)
print(flat)
```
输出：
```text
[1, 2, 3, 4, 5, 6, 7, 8, 9]
```
所以 `flat` 那行读作「对 matrix 的每一行 row，再对该行的每一个元素 v，产出 v」。转置 `transposed` 则是「推导式套推导式」：外层对列号 i 循环，内层把每一行的第 i 个元素收成一列。这个例子的 for 循环版本见易错点部分——两种写法放在一起，正好用来讨论可读性。
### 字典推导式：从列表到字典
字典推导式产出键值对，最经典的用途是**把序列变成查找表**。比如把一个单词列表映射成长度表：
```python
words = ["python", "list", "dict", "set", "tuple"]
lengths = {w: len(w) for w in words}
print(lengths)
```
输出：
```text
{'python': 6, 'list': 4, 'dict': 4, 'set': 3, 'tuple': 5}
```
`{w: len(w) for w in words}` 读作「对每个单词 w，产出键 w、值 len(w)」。「两个平行列表合成字典」也很常见，配合 zip 使用（zip 把两个序列逐对打包，第 5 章的字符串章节会正式介绍它）：
```python
words = ["python", "list", "dict", "set", "tuple"]
keys = ["name", "age", "city"]
values = ["林晚", 20, "北京"]
info = {k: v for k, v in zip(keys, values)}
print(info)
long = {w: len(w) for w in words if len(w) >= 5}
print(long)
```
输出：
```text
{'name': '林晚', 'age': 20, 'city': '北京'}
{'python': 6, 'tuple': 5}
```
`long` 一行同时演示了字典推导式的过滤：只保留长度 ≥ 5 的单词。如果只是把两个平行序列合成字典，直接 `dict(zip(keys, values))` 更短——写推导式还是写 dict() 看个人口味，结果一致。
### 集合推导式：去重是免费的
集合推导式与列表推导式写法几乎相同，只是外层换花括号，并且**自动去重**。处理一份有重复项的原始数据时非常有用：
```python
words2 = ["apple", "banana", "cherry", "apple", "date", "cherry"]
initials = {w[0] for w in words2}
print(sorted(initials))
long_initials = {w[0] for w in words2 if len(w) > 5}
print(sorted(long_initials))
```
输出：
```text
['a', 'b', 'c', 'd']
['b', 'c']
```
两个细节：集合是无序容器，打印顺序不保证，若要稳定展示请先 sorted()（本例排序后得到 a/b/c/d 与 b/c）；第二个推导式先过滤（只留长度大于 5 的 banana、cherry）再取首字母，去重后只剩 b、c。集合推导式要求产出的元素**可哈希**（hashable），不可哈希的对象——比如列表——会直接抛 TypeError，详见易错点。
### 生成器表达式：惰性与内存实测
生成器表达式把方括号换成圆括号，其余语法完全一样。先感受「惰性 + 一次性」这两个性质：
```python
gen = (x * x for x in range(5))
print(type(gen).__name__)
print(next(gen)) # 逐元素索取第一个
print(list(gen)) # 把剩下的全部取出来
print(list(gen)) # 已经空了，第二次取不到任何东西
total = sum(x * x for x in range(5))
print(total)
```
输出：
```text
generator
0
[1, 4, 9, 16]
[]
30
```
要点：`next(gen)` 索取一个元素；生成器被 list() 消费完后，再 list() 一次得到空列表——它不可回头。`sum(x * x for x in range(5))` 是生成器表达式最常见的用法：直接作为函数参数时**可以省略外层圆括号**，sum 边取边累加，全程没有产生中间列表。第 2 章布尔篇统计及格人数用的 `sum(s >= 60 for s in scores)` 正是同一个套路。
现在用 sys.getsizeof 实测「列表 vs 生成器」的内存差异——这是两者关系里最直观的数字：
```python
import sys
big_list = [x * x for x in range(1_000_000)]
big_gen = (x * x for x in range(1_000_000))
print(sys.getsizeof(big_list)) # 列表对象本身的字节数
print(sys.getsizeof(big_gen)) # 生成器对象的字节数
print(sum(1 for x in range(1000) if x % 17 == 0))
```
输出（本机 CPython 3.12.10）：
```text
8448728
200
59
```
解读：100 万个平方数的列表，仅指针数组就占约 8.4 MB（每个 int 对象本身还要 28 字节起，总量在 36 MB 量级）；生成器对象固定 200 字节，与元素数量无关——它只存「配方」（数据源 range、产式 x * x、当前位置），元素是一个个现算的。最后一行演示「只计数不存数」的经典配方：统计 0~999 中 17 的倍数有多少个，结果为 59，全程没有产生任何列表。这就是「场景 + 量级」意义上的惰性优势：**当中间结果只需要被消费一次、且量很大时，生成器省的是 O(n) 的中间内存**。
### 工程场景：日志解析
把前面几样合起来看一个真实场景：解析一份服务器日志（时间、级别、消息三块），提取所有 ERROR 消息，再统计出现过哪些级别。
```python
logs = [
"2026-08-31 10:00:01 ERROR connection refused",
"2026-08-31 10:00:05 INFO user login",
"2026-08-31 10:00:07 ERROR db timeout",
"2026-08-31 10:00:09 WARN disk usage 92%",
"2026-08-31 10:00:11 ERROR queue overflow",
]
errors = [line.split(" ", 3)[3] for line in logs if line.split()[2] == "ERROR"]
print(errors)
levels = [line.split()[2] for line in logs]
print(levels)
print(sorted({lv for lv in levels}))
```
输出：
```text
['connection refused', 'db timeout', 'queue overflow']
['ERROR', 'INFO', 'ERROR', 'WARN', 'ERROR']
['ERROR', 'INFO', 'WARN']
```
解析思路：`split(" ", 3)` 按单个空格最多切三刀，得到 [时间, 级别, 剩余部分]，[3] 即完整消息；`split()[2]` 取级别列。第一行同时用了过滤（if 级别是 ERROR）与变换（取消息），第二行用列表推导式取级别，第三行用集合推导式去重得到「出现过的级别」。一个提醒：这里每行被 split 了两次，对几万行日志完全够用；追求严谨可以在循环里先拆一次再复用——这是工程上「可读性优先」的取舍，不展开。
### 可读性边界：什么时候退回 for 循环
推导式不是越短越好。业界普遍认可的边界大致是：**嵌套超过两层、或产式/条件复杂到需要注释才能读懂、或需要在循环里调试打点**——满足其一，就退回普通 for 循环。对比下面两种写法（选出预算内且评分达标的酒店，返回（城市, 酒店名）列表）：
```python
data = [
{"city": "北京", "hotels": [
{"name": "松风客栈", "price": 380, "rating": 4.5},
{"name": "云台宾馆", "price": 520, "rating": 4.8},
]},
{"city": "上海", "hotels": [
{"name": "外滩驿站", "price": 600, "rating": 4.2},
]},
]
budget = 500
candidates = [
(c["city"], h["name"])
for c in data
for h in c["hotels"]
if h["price"] <= budget and h["rating"] >= 4.5
]
print(candidates)
candidates_loop = []
for c in data:
for h in c["hotels"]:
if h["price"] <= budget and h["rating"] >= 4.5:
candidates_loop.append((c["city"], h["name"]))
print(candidates_loop == candidates)
```
输出：
```text
[('北京', '松风客栈')]
True
```
两条守则：其一，推导式可以换行——把每个 for/if 子句各占一行（PEP 8 允许），可读性立刻上一个台阶，上面 candidates 就是这么写的；其二，循环版本里可以随便打印中间量、打断点、做多步处理，推导式里做不到（推导式内部不能 print 调试，除非用副作用函数这种邪道）。所以判断标准不是「能不能写成推导式」，而是「写成推导式后还容不容易读、容不容易改」。上面这个例子两层嵌套带一个复合条件，两种写法都可接受；三层以上的嵌套、或者产式一眼看不懂的场景，直接选 for 循环。
## 易错点与陷阱
### 陷阱一：嵌套 for 的顺序写反
`[v for row in matrix for v in row]` 的顺序是「先外层后内层」，与展开的 for 循环一致。新手常见的错误是把内层变量放在外层 for 前面，比如 `[v for v in row for row in matrix]`——执行时 row 尚未定义，直接 NameError；就算碰巧不报错，产出顺序也会错乱。记口诀：**写出来的顺序就是缩进嵌套的顺序**，不确定时先写展开的 for 循环版再浓缩。
### 陷阱二：过滤 if 与三目表达式的位置搞混
`[x if cond else y for ...]` 与 `[... for ... if cond]` 一字之差、语义天差地别：前者对**每个**元素都产出（条件成立给 x，否则给 y），后者只产出满足条件的元素（不满足的直接跳过）。判断方法：看 if 跟在谁后面。if 跟在产式后面、且产式里成对出现 else，是三目；if 跟在 for 后面，是过滤。还有第三个变体经常被拿来面试：`[x if cond else y for ... if cond2]`——三目和过滤可以同时存在，逐段读即可。
### 陷阱三：生成器是一次性的，且恒为真
生成器只能迭代一遍，迭代完就空了；可它本身「恒为真」——空生成器的布尔值也是 True，因为真值测试（第 2 章）的对象是生成器对象本身，而不是它将来会产的元素的多少。于是 `if gen:` 想判断「生成器有没有元素」永远成立，这是经典的隐蔽 bug；想要判断内容，得老老实实消费它（比如 list 出来看）。另外，生成器被 sum、any、in 等操作消费时同样是一次性的，用完即空。
### 陷阱四：集合推导式要求元素可哈希
集合和字典键都要求元素可哈希。列表不可哈希，所以 `{[1, 2] for _ in range(1)}` 运行即报错：
```python
empty = (x for x in range(0))
print(bool(empty)) # True：空生成器也是真
try:
{[1, 2] for _ in range(1)}
except TypeError as e:
print("TypeError:", e) # unhashable type: 'list'
```
输出：
```text
True
TypeError: unhashable type: 'list'
```
同理，字典推导式的键也不能是列表。想要「以列表为元素的集合」，改用元组（可哈希）或者把列表转成字符串/frozenset 再放进去。
### 陷阱五：推导式里不能 break / continue
break 和 continue 是循环**语句**的权限，推导式内部是表达式语境，写 break 或 continue 直接 SyntaxError（'break' outside loop）。也就是说：凡是想「遇到某个元素提前结束」的逻辑，推导式表达不了，必须退回 for 循环——这也是上一节可读性边界的一条硬规则。另外提醒一点，推导式的循环变量**不泄漏**（Python 3 全系如此，3.12 内联后依旧）：`[i for i in range(3)]` 执行完，外层作用域里没有 i 这个名字，也不可能顺带修改同名全局变量的值，放心用。
## 小结
推导式把「建容器 + 遍历 + 变换 + 过滤 + 收集」压缩成一行表达式，是 Python 从命令式走向声明式的第一步：方括号得列表、花括号得集合或字典、圆括号得惰性生成器，语法骨架都是 `[产式 for 变量 in 数据源 if 条件]`。集合与字典推导式免费获得去重与去键冲突之外的查表能力；生成器表达式惰性求值、内存恒定、只能消费一次，适合「取一个用一个是好的、量大只过一次」的场景，实测 100 万元素列表占 8.4 MB 指针数组、生成器恒为 200 字节。嵌套推导式的 for 顺序与手写循环完全一致，过滤 if 与三目表达式位置不同语义不同。当嵌套超过两层、表达式读不懂或需要调试时，退回普通 for 循环是专业选择而非退步。下一篇进入实战：用 FizzBuzz 与猜数字游戏把分支、循环、推导式组合成完整程序。
## 练习与思考题
1. 不运行代码，写出以下三个推导式的结果，再运行验证：`[x for x in range(20) if x % 3 == 0 and x % 4 == 0]`、`{x % 5 for x in range(12)}`、`{x: x ** 2 for x in range(1, 6)}`。
2. 列表 `nums = [3, -1, 4, -2, 0, 5]`，用一条推导式把负数替换为 0、正数保留（提示：三目表达式），再想一想：如果想「跳过负数」，写法有什么不同？
3. 用生成器表达式统计字符串 `s = "abracadabra"` 中元音字母（a/e/i/o/u）的个数，要求不创建任何中间列表。
4. 思考题：`sum(x * x for x in range(10))` 和 `sum([x * x for x in range(10)])` 结果相同，但内存行为有什么本质区别？在 n 很大的场景下（比如 range(10**8)），哪种写法会卡死内存？
5. 挑战题：把「转置」的 for 循环版（见陷阱一的说明与第 2 节嵌套例子）改写为推导式版，并解释两种写法各自的适用场景。