Introduction aux compréhensions

Les compréhensions sont un moyen concis et élégant de créer des listes, des ensembles et des dictionnaires en Python. Elles vous 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 de nouvelles collections à partir d'itérables existants de manière concise. Elles offrent une approche plus lisible et plus conforme aux idiomes de 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 vous 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 ressemblent 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 vous 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 afin de 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]

Imbriquer 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 excessivement complexe.
• Créer des compréhensions imbriquées qui nuisent à la lisibilité.
• Ne pas envisager les expressions génératrices pour les grands ensembles de données.

Qu'avez-vous appris

Dans cette leçon, vous avez appris :

• Ce que sont les compréhensions et comment elles fonctionnent dans 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 termes de performances.

Excellent travail ! Passons au sujet suivant.