Introduction aux compréhensions

Les compréhensions sont une manière concise et élégante de créer des listes, des ensembles et des dictionnaires en Python. Elles permettent d'effectuer des opérations et des transformations sur une seule ligne de code.

Dans cette leçon, vous apprendrez à utiliser efficacement les compréhensions de listes, d'ensembles et de dictionnaires.

Que sont les compréhensions ?

Les compréhensions permettent de créer rapidement de nouvelles collections à partir d'itérables existants. Elles offrent une approche plus lisible et plus idiomatique en Python que les boucles.

# Basic list comprehension
squares = [x * x for x in range(5)]
print(squares)  # Outputs: [0, 1, 4, 9, 16]

Compréhensions de listes

Les compréhensions de listes permettent de créer des listes sur une seule ligne :

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

Compréhensions d’ensembles

Les compréhensions d’ensembles sont similaires aux compréhensions de listes, mais produisent des ensembles :

# 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}

Compréhensions de dictionnaires

Les compréhensions de dictionnaires permettent de créer des dictionnaires sur une seule ligne :

# 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}

Ajouter des conditions aux compréhensions

Vous pouvez ajouter des conditions aux compréhensions pour filtrer les valeurs :

# 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]

Imbrication des compréhensions

Vous pouvez imbriquer des compréhensions pour travailler avec des données multidimensionnelles :

# 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]

Performances des compréhensions

Les compréhensions sont plus rapides que les boucles traditionnelles, car elles sont optimisées au niveau du langage C.

Erreurs courantes avec les compréhensions

Voici quelques erreurs à éviter :

• Utiliser des compréhensions pour une logique trop complexe.
• Créer des compréhensions imbriquées qui nuisent à la lisibilité.
• Ne pas envisager les expressions génératrices pour les grands ensembles de données.

Qu'avons-nous appris ?

Dans cette leçon, vous avez appris :

• Ce que sont les compréhensions et comment elles fonctionnent en Python.
• Comment utiliser les compréhensions de listes, d'ensembles et de dictionnaires.
• Comment ajouter des conditions et imbriquer des compréhensions.
• Les avantages des compréhensions en matière de performances.

Excellent travail ! Passons au sujet suivant.