Heim Backend-Entwicklung Python-Tutorial Eine elegante und einfache Möglichkeit, Python-Listen zu verwenden: Listenverständnis

Eine elegante und einfache Möglichkeit, Python-Listen zu verwenden: Listenverständnis

Sep 28, 2024 am 08:10 AM

An elegant and simple way to use Python Lists: List Comprehensions

Sie denken vielleicht, dass Listenverständnis ein fortgeschrittenes Konzept ist. In schwierigen Situationen kann es Ihren Code jedoch mit nur einer Zeile vereinfachen. Es ist Zeit zu verstehen, wie es funktioniert. Ich werde es auf Anfängerniveau anhand von Beispielen erklären.

Was genau ist Listenverständnis?

Man sieht oft die Notation l2 = [x 1 für x in l]. Es soll das Gleiche sein:

l2 = []
for x in l:
    x = x + 1
l2.append(x)
Nach dem Login kopieren

Wenn wir in beiden Fällen mit l = [10, 100, 1000] beginnen, ist l2:

[11, 101, 1001]
Nach dem Login kopieren

Die erste Syntax nennen wir Listenverständnis.
Möglicherweise bevorzugen Sie die übliche for-Schleife, aber ich verspreche Ihnen, dass Sie am Ende dieses Artikels sicher sein werden, Listenverständnis zu verwenden!

Außerdem schauen wir uns die detaillierte offizielle Definition aus der Dokumentation https://docs.python.org/3/tutorial/datastructures.html#list-comprehensions

an

Listenverständnisse bieten eine prägnante Möglichkeit, Listen zu erstellen. Übliche Anwendungen bestehen darin, neue Listen zu erstellen, in denen jedes Element das Ergebnis einiger Operationen ist, die auf jedes Mitglied einer anderen Sequenz angewendet werden oder iterierbar sind, oder eine Untersequenz dieser Elemente zu erstellen, die eine bestimmte Bedingung erfüllen.

Lassen Sie es uns genauer aufschlüsseln. Das Listenverständnis ist lediglich eine andere Art, Code zu schreiben, der kürzer und einfacher ist, eine neue Liste zu erstellen. Das Ergebnis des Listenverständnisses ist eine Liste, weshalb wir es einer Liste zuordnen.
Sehen wir uns den zweiten Teil der Definition an, in dem gängige Beispiele erläutert werden. Dies sollte anhand konkreter Beispiele erfolgen.
1.

fast_foods = ["Burger", "Pizza", "Tacos", "Fried Chicken", "Hot Dog"]
uppercase_fast_foods = [food.upper() for food in fast_foods]
Nach dem Login kopieren

Danach lautet „uppercase_fast_foods“ wie folgt:

['BURGER', 'PIZZA', 'TACOS', 'FRIED CHICKEN', 'HOT DOG']
Nach dem Login kopieren

Wir verwenden die Funktion „upper()“, um jedes Lebensmittel in unserer Liste in Großbuchstaben umzuwandeln. Daher werden jetzt alle Elemente in Großbuchstaben geschrieben. Auf diese Weise erstellen wir „neue Listen, in denen jedes Element das Ergebnis einiger Operationen ist, die auf jedes Mitglied einer anderen Sequenz angewendet oder iterierbar sind.“
2.

fast_foods = ["Burger", "Pizza", "Tacos", "Fried Chicken", "Hot Dog"]
foods_with_space = [food for food in fast_foods if " " in food]
Nach dem Login kopieren

Danach lautet „foods_with_space“:

['Fried Chicken', 'Hot Dog']
Nach dem Login kopieren

Die obige Codezeile ruft die Elemente aus der Liste ab, die ein Leerzeichen enthalten. Auf diese Weise erstellen wir „neue Listen, in denen jedes Element das Ergebnis einiger Operationen ist, die auf jedes Mitglied einer anderen Sequenz angewendet oder iterierbar sind.“

Beispiele für das Listenverständnis

Ich habe Listenverständnisse bei vielen Problemen verwendet, denn wann immer ich auf zu viele For-Schleifen stieß, dachte ich: „Kein Problem, ich vereinfache sie einfach.“ Es stellt sich heraus, dass es die gleiche Logik ist, nur sauberer! ?
Hier sind ohne weiteres einige der relevantesten Beispiele, die mir eingefallen sind:
1. Ändern Sie jedes Element der Liste

foods = ["Burger", "Fries", "Fried Chicken", "Hot Dog", "Pizza"]
foods_with_version = [food + ' - 2024' for food in foods]
print(foods_with_version)
Nach dem Login kopieren

Ausgabe:

['Burger - 2024', 'Fries - 2024', 'Fried Chicken - 2024', 'Hot Dog - 2024', 'Pizza - 2024']
Nach dem Login kopieren

In diesem Beispiel nehmen wir eine Liste von Lebensmitteln und fügen zu jedem „- 2024“ hinzu. Wir nutzen das Listenverständnis, um schnell eine neue Liste mit diesen aktualisierten Namen zu erstellen.
2. Erstellen Sie eine Unterliste aus einer Liste basierend auf einer Bedingung

foods = ["Burger", "Fried Chicken", "Hot Dog", "Fries", "Pizza"]
long_foods = [food for food in foods if len(food) > 7]
print(long_foods)
Nach dem Login kopieren

Ausgabe:

['Fried Chicken']`
Nach dem Login kopieren

In diesem Beispiel erstellen wir eine Liste mit Lebensmitteln und filtern diejenigen heraus, die mehr als 7 Zeichen haben. Um dies zu erreichen, verwenden wir Listenverständnis mit einer Bedingung.
3. Verwenden Sie die Bereichsfunktion mit Listenverständnis, um eine Liste zu erstellen

x = [i for i in range(10, 20, 2)]
print(x)
Nach dem Login kopieren

Ausgabe:

[10, 12, 14, 16, 18]
Nach dem Login kopieren

In diesem Beispiel erstellen wir eine Liste mit Zahlen im Bereich von 10 bis 18 mithilfe des Listenverständnisses mit range().
4. Listenverständnis auf eine Zeichenfolge anwenden

input_string = "hello world"
marked_vowels = ['*' if char in 'aeiouAEIOU' else char for char in input_string]
print(marked_vowels)
Nach dem Login kopieren

Ausgabe:

['h', '*', 'l', 'l', '*', ' ', 'w', 'o', 'r', 'l', 'd']
Nach dem Login kopieren

In diesem letzten Beispiel nehmen wir eine Zeichenfolge und markieren ihre Vokale mit einem Sternchen (*). Wir verwenden Listenverständnis, um eine neue Liste basierend auf der ursprünglichen Zeichenfolge zu erstellen.

Abschluss

In diesem Artikel habe ich alle grundlegenden Erkenntnisse zum Listenverständnis behandelt, von der Definition bis hin zu verschiedenen Beispielen, die sie weiter erläutern. Ich hoffe, dass alles klar ist und Sie sich von nun an motivierter fühlen, Listenverständnisse in Ihren Python-Code zu integrieren!

Das obige ist der detaillierte Inhalt vonEine elegante und einfache Möglichkeit, Python-Listen zu verwenden: Listenverständnis. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

<🎜>: Bubble Gum Simulator Infinity - So erhalten und verwenden Sie Royal Keys
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Fusionssystem, erklärt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Flüstern des Hexenbaum
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
<🎜> obscur: Expedition 33 - So erhalten Sie perfekte Chroma -Katalysatoren
2 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Java-Tutorial
1677
14
PHP-Tutorial
1278
29
C#-Tutorial
1257
24
Python vs. C: Lernkurven und Benutzerfreundlichkeit Python vs. C: Lernkurven und Benutzerfreundlichkeit Apr 19, 2025 am 12:20 AM

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Apr 18, 2025 am 12:22 AM

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python vs. C: Erforschung von Leistung und Effizienz erforschen Python vs. C: Erforschung von Leistung und Effizienz erforschen Apr 18, 2025 am 12:20 AM

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python vs. C: Verständnis der wichtigsten Unterschiede Python vs. C: Verständnis der wichtigsten Unterschiede Apr 21, 2025 am 12:18 AM

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Welches ist Teil der Python Standard Library: Listen oder Arrays? Welches ist Teil der Python Standard Library: Listen oder Arrays? Apr 27, 2025 am 12:03 AM

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python: Automatisierung, Skript- und Aufgabenverwaltung Python: Automatisierung, Skript- und Aufgabenverwaltung Apr 16, 2025 am 12:14 AM

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Python für wissenschaftliches Computer: Ein detailliertes Aussehen Python für wissenschaftliches Computer: Ein detailliertes Aussehen Apr 19, 2025 am 12:15 AM

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Python für die Webentwicklung: Schlüsselanwendungen Python für die Webentwicklung: Schlüsselanwendungen Apr 18, 2025 am 12:20 AM

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

See all articles