Introduzione alle comprensioni

Le comprensioni sono un modo conciso ed elegante per creare liste, insiemi e dizionari in Python. Consentono di eseguire operazioni e trasformazioni in una sola riga di codice.

In questa lezione imparerà a usare in modo efficace le comprensioni di liste, insiemi e dizionari.

Che cosa sono le comprensioni?

Le comprensioni sono un modo conciso per creare nuove raccolte a partire da iterabili esistenti. Offrono un approccio più leggibile e in linea con lo stile Python rispetto ai cicli.

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

Comprensioni di liste

Le comprensioni di liste consentono di creare liste in una sola riga:

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

Comprensioni di insiemi

Le comprensioni di insiemi sono simili alle comprensioni di liste, ma producono insiemi:

# 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}

Comprensioni di dizionari

Le comprensioni di dizionari consentono di creare dizionari in una sola riga:

# 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}

Aggiunta di condizioni alle comprensioni

È possibile aggiungere condizioni alle comprensioni per filtrare i valori:

# 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]

Annidamento delle comprensioni

È possibile annidare le comprensioni per lavorare con dati multidimensionali:

# 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]

Prestazioni delle comprensioni

Le comprensioni sono più veloci dei cicli tradizionali perché sono ottimizzate a livello C.

Errori comuni con le comprensioni

Ecco alcuni errori da evitare:

• Usare le comprensioni per una logica eccessivamente complessa.
• Creare comprensioni annidate che riducono la leggibilità.
• Non prendere in considerazione le espressioni generatore per i set di dati di grandi dimensioni.

Che cosa abbiamo imparato?

In questa lezione ha imparato:

• Che cosa sono le comprensioni e come funzionano in Python.
• Come usare le comprensioni di liste, insiemi e dizionari.
• Come aggiungere condizioni e annidare le comprensioni.
• I vantaggi in termini di prestazioni offerti dall’uso delle comprensioni.

Ottimo lavoro! Passiamo all’argomento successivo.