Comprehensions (lister, sets og dictionaries)

Listeforståelser giver dig mulighed for at oprette lister på en enkelt linje:

# List comprehension example
numbers = [1, 2, 3, 4, 5]
doubled = [n * 2 for n in numbers]
print(doubled)  # Outputs: [2, 4, 6, 8, 10]

Mængdeforståelser minder om listeforståelser, men de opretter mængder:

# Set comprehension example
numbers = [1, 2, 2, 3, 4, 4, 5]
unique_squares = {n * n for n in numbers}
print(unique_squares)  # Outputs: {1, 4, 9, 16, 25}

Ordbogsforståelser giver dig mulighed for at oprette ordbøger på en enkelt linje:

# Dictionary comprehension example
keys = ['a', 'b', 'c']
values = [1, 2, 3]
my_dict = {k: v for k, v in zip(keys, values)}
print(my_dict)  # Outputs: {'a': 1, 'b': 2, 'c': 3}

Du kan tilføje betingelser til forståelser for at filtrere værdier:

# Adding conditions to comprehensions
numbers = range(10)
even_numbers = [n for n in numbers if n % 2 == 0]
print(even_numbers)  # Outputs: [0, 2, 4, 6, 8]

Du kan indlejre comprehensions for at arbejde med flerdimensionelle data:

# Nested comprehension example
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flattened = [item for row in matrix for item in row]
print(flattened)  # Outputs: [1, 2, 3, 4, 5, 6, 7, 8, 9]

Forståelser er hurtigere end traditionelle løkker, fordi de er optimeret på C-niveau.

Her er nogle fejl, du bør undgå:

• At bruge forståelser til alt for kompleks logik.
• At oprette indlejrede forståelser, der gør koden mindre læsbar.
• Ikke at overveje generatorudtryk til store datasæt.

I denne lektion har du lært:

• Hvad forståelser er, og hvordan de fungerer i Python.
• Hvordan du bruger liste-, mængde- og ordbogsforståelser.
• Hvordan du tilføjer betingelser og indlejrer forståelser.
• Fordelene ved at bruge forståelser med hensyn til ydeevne.

Godt gået! Lad os gå videre til næste emne.