推导式（comprehensions）

1. 一句话定义

推导式是"由一个可迭代对象构造新容器"的声明式语法：[表达式 for 变量 in 可迭代 if 条件]，覆盖 list/dict/set 三种形式与生成器表达式。

2. 为什么重要

它是 Pythonic 的第一标志：同一意图（过滤+映射）比等价 for 循环短一半且无临时变量；同时是通向生成器表达式（惰性）与 asyncio 数据流的自然入口。

3. 前置知识

kp-006（for 循环）、kp-009/kp-010（容器）。

4. 核心概念

squares = [x * x for x in range(10)]                    # 列表
evens   = [x for x in range(10) if x % 2 == 0]          # 带过滤
pairs   = {k: v for k, v in [("a",1),("b",2)]}          # 字典
uniq    = {c for c in "abracadabra"}                    # 集合
lazy    = (x * x for x in range(10))                    # 生成器表达式（惰性）

• 条件位置两处不同：for x in it if cond 是过滤；[a if cond else b for x in it] 是三目变换。
• 嵌套：从左到右读即外层到内层循环。

5. 原理与机制

等价展开规则：推导式 = "创建空容器 + for 循环填充"的编译糖（有自己的局部作用域，循环变量不泄漏）。

[x * 2 for x in xs if p(x)]
# ≈
out = []
for x in xs:
    if p(x):
        out.append(x * 2)

生成器表达式不立即求值，sum(x*x for x in big) 边算边耗，不构造中间列表——大数据下的关键差异。

6. 关键事实（模型/图示）

读法口诀：for 在前（数据从哪来），if 在后（留下谁），表达式最前（变成什么）
[expr for x in A for y in B if c]  ≡  for x in A: for y in B: if c: yield expr

7. 直观类比

for 循环是流水线上的工人一件件搬；推导式是开模：把"什么样的件、怎么变"描述成图纸，机器一次成型。图纸复杂到没人看得懂时，就该回去用流水线。

8. 实例与案例

# 过滤 + 排序组合：取出分数及格者的姓名并按分数倒序
names = sorted(
    (n for n, s in scores.items() if s >= 60),
    key=lambda n: -scores[n],
)

# 扁平化二维列表
flat = [x for row in matrix for x in row]

9. 常见误区

1. 套超过两层 —— [... for x in A for y in B for z in C ...] 可读性崩坏，改普通循环。
2. 生成器表达式当列表用第二次 —— 耗尽后为空；需要多次用列表推导式或重建。
3. 在推导式里做副作用（写文件、print） —— 语义陷阱，用普通 for 表达意图。
4. 以为推导式更快是"银弹" —— 常量级优势，大逻辑差异来自是否惰性，不是语法本身。

10. 自测题

1. [x for x in range(10) if x % 2] 输出什么？
2. sum(len(w) for w in words) 与 sum([len(w) for w in words]) 的差异？
3. {x: x**2 for x in range(3)} 是什么？

11. 与其他知识点的关系

• kp-013 生成器：生成器表达式的完整机制。
• kp-038 itertools：与推导式互补的工具箱。
• kp-006 控制流：等价 for 循环。

12. 延伸阅读

• Python 官方教程 §5.1.3 List Comprehensions