Introdução às compreensões

As compreensões são uma maneira concisa e elegante de criar listas, conjuntos e dicionários no Python. Elas permitem realizar operações e transformações em uma única linha de código.

Nesta lição, você aprenderá a usar compreensões de lista, de conjunto e de dicionário com eficiência.

O que são compreensões?

As compreensões são uma maneira concisa de criar novas coleções a partir de iteráveis existentes. Elas oferecem uma abordagem mais legível e idiomática em Python em comparação com os laços.

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

Compreensões de lista

As compreensões de lista permitem criar listas em uma única linha:

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

Compreensões de conjunto

As compreensões de conjunto são semelhantes às compreensões de lista, mas produzem conjuntos:

# 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}

Compreensões de dicionário

As compreensões de dicionário permitem criar dicionários em uma única linha:

# 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}

Adicionando condições às compreensões

Você pode adicionar condições às compreensões para filtrar valores:

# 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]

Aninhando compreensões

Você pode aninhar compreensões para trabalhar com dados multidimensionais:

# 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]

Desempenho das compreensões

As compreensões são mais rápidas do que os laços tradicionais porque são otimizadas no nível da linguagem C.

Erros comuns com compreensões

Veja alguns erros que você deve evitar:

• Usar compreensões para uma lógica excessivamente complexa.
• Criar compreensões aninhadas que prejudicam a legibilidade.
• Não considerar expressões geradoras para grandes conjuntos de dados.

O que aprendemos?

Nesta lição, você aprendeu:

• O que são compreensões e como elas funcionam no Python.
• Como usar compreensões de lista, de conjunto e de dicionário.
• Como adicionar condições e aninhar compreensões.
• As vantagens de desempenho do uso de compreensões.

Muito bem! Vamos passar ao próximo tópico.