Python-Listenverständnis mit Beispielen [2022]

Die Sequenzen können durch die Verwendung von Comprehensions in Python prägnant oder kurz aus bereits definierten Sequenzen konstruiert werden. Die Sequenzen umfassen Datenstrukturen wie Liste, Wörterbuch, Menge usw. Die folgenden Verständnisse werden in Python unterstützt:

• Listenverständnisse
• Wörterbuch-Verständnisse
• Verständnis festlegen
• Generator-Verständnisse

Dieser Artikel konzentriert sich auf das Listenverständnis in Python und seine Verwendung. Wie das List Comprehension Set können auch Dictionary Comprehensions in Python erstellt werden.

Was ist Listenverständnis?

Python ist eine weithin akzeptierte Programmiersprache, die dem Benutzer die Möglichkeit bietet, einfachen und eleganten Code zu schreiben. Das Listenverständnis ist ein solches Unterscheidungsmerkmal von Python, das zum Erstellen neuer Listen verwendet wird. Durch die Verwendung einer einzigen Codezeile kann die Funktionalität erstellt werden.

Es ist nicht notwendig, dass eine if-Bedingung in einer Listen-Comprehension enthalten ist, jedoch können mehrere Formen in einer Listen-Comprehension enthalten sein.

Listen Sie deshalb Verständnisse auf

• Ist ein eleganter Weg zur Definition und Erstellung einer Liste basierend auf bestehenden Listen.
• Im Vergleich zu den normalen Funktionen zum Erstellen von Listen und den Schleifen sind die Listenverständnisse viel kompakter und schneller.
• Damit der Code benutzerfreundlicher wird, sollte das Schreiben von Comprehensions mit langen Listen vermieden werden.
• Bei Verwendung einer for-Schleife können Listenverständnisse umgeschrieben werden.

Wie erstelle ich eine Liste?

In der Programmiersprache Python gibt es mehrere Möglichkeiten, Listen zu erstellen.

1. für Schleifen

For-Schleife kann zum Erstellen einer Liste verwendet werden. Zur Erstellung der Elementliste sind drei Schritte durchzuführen.

• Eine leere Liste soll instanziiert werden.
• Schleifen werden über Elementen verwendet, die iteriert werden können.
• Jedes Element wird an das Listenende angehängt .

2. map() Objekte

Ein alternativer Ansatz, dh map(), basiert auf funktionaler Programmierung. Ein Objekt wird erstellt, wenn eine iterierbare Funktion und ein iterierbares Element an map() übergeben werden. Die Ausgabe, die bei der Ausführung des iterierbaren Elements durch die bereitgestellte Funktion generiert würde, ist im Objekt enthalten.

3. Verständnis auflisten

Eine andere Möglichkeit, eine Liste zu erstellen, ist die Verwendung von Listenverständnis. Die for-Schleife kann in einen Code umgeschrieben werden, der nur aus einer einzigen Zeile besteht.

Im Vergleich zu den früheren Methoden, bei denen zuerst eine leere Liste erstellt wird und dann die Elemente am Ende hinzugefügt werden, geschieht dies in diesem Fall einfach in nur einer einzigen Zeile. Die Liste und der Inhalt werden einfach gleichzeitig definiert. Der verwendete Code ist.

Es gibt drei Elemente in jedem Python-Listenverständnis .

• Ausdruck: Da es sich um ein Mitglied handelt, ist Ausdruck ein Methodenaufruf oder ein beliebiger Ausdruck, bei dem ein Wert zurückgegeben wird.
• Mitglied: Es ist ein Wert oder ein Objekt in der iterierbaren Liste. Der Wert eines Mitglieds ist im obigen Beispiel 1.
• Iterierbar: Es handelt sich um eine Liste, eine Sequenz, einen Satz oder andere Objekte, deren Elemente einzeln zurückgegeben werden können. Iterable ist im obigen Beispiel range(10).

Das Verständnis von Python-Listen kann auch an Orten gut funktionieren, an denen map() verwendet wird. Das obige Beispiel kann umgeschrieben werden als.

Der Unterschied zwischen der Verwendung von map() und list comprehension besteht darin, dass im Falle von list comprehension eine Liste zurückgegeben wird, während im Falle von map() ein map-Objekt zurückgegeben wird.

Bedingte Aussagen

Die bestehenden Listen können durch die Verwendung von bedingten Anweisungen in den Listenverständnissen modifiziert werden. Entweder Liste oder Tupel, beide können durch Python-Listenverständnis geändert werden.

1. Verwendung der Bedingung von if

Die Bedingung „if“ kann im Listenverständnis durch den folgenden Code verwendet werden.

Das Ausführen des obigen Programms erzeugt die Ausgabe: [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

2. Verwendung der Bedingung von Nested IF

Das Listenverständnis führt die folgenden Überprüfungen durch:

• Ist das Element y durch 2 oder 5 teilbar?
• Wenn beide Bedingungen von y erfüllt werden, wird es an num_list angehängt.

Lesen Sie auch: Faszinierende Python-Anwendungen in der realen Welt

3. Verwendung von if-else

In dem oben gezeigten Beispiel werden die zehn Zahlen, dh von 0 bis 10, durch Listenverständnis überprüft.

4. Verwendung von verschachtelten Schleifen

Erzeugte Ausgabe: [[1, 4], [2, 5], [3, 6], [4, 8]]

Die Transponierung der Matrix wird durch die Verwendung von zwei Schleifen berechnet.

• Verglichen mit den normalen verschachtelten Schleifen funktionieren die in Listenzusammenfassungen enthaltenen verschachtelten Schleifen anders als die anderen verschachtelten Schleifen.

Syntax

Die grundlegende Syntax für das Verständnis von Python-Listen lautet

[Ausdruck für Element in Liste]

Angenommen, wir haben eine Zeichenfolge und möchten sie mithilfe des Listenverständnisses iterieren.

Im obigen Beispiel ist zu erkennen, dass „Mensch“ weder als Zeichenfolge noch als Liste verwendet wird. Hier liegt die Stärke des Python-Listenverständnisses . Ob es sich um einen String oder ein Tupel handelt, das Listenverständnis kann es identifizieren und wie eine Liste damit arbeiten.

Dasselbe kann unter Verwendung der Schleifen durchgeführt werden. Die Schleifen können jedoch nicht der Syntax des Listenverständnisses folgen.

Fazit

In diesem Artikel haben Sie kurz etwas über das Listenverständnis in Python und seine Erstellung auf verschiedene Weise gelernt. Mit Kenntnis dieses Verständnisses können andere Codes für Ihre Aufgaben ausprobiert werden. Das Python-Konzept erhält viel Aufmerksamkeit, aber es wird wertvoller, wenn Sie Ihre Daten effektiv nutzen können. Dies kann durch das Schreiben klarer und prägnanter Codes erfolgen.

Wenn Sie also bereit sind, mehr über Python und seine Implementierung im Data Mining zu erfahren, können Sie den von upGrad angebotenen Kurs des Executive PG Program in Data Science überprüfen. Der 12-monatige Kurs richtet sich an Berufseinsteiger (sowohl Männer als auch Frauen) im Alter von 21 bis 45 Jahren und ist Indiens erstes NASSCOM-zertifiziertes PGP. Mit über 400 Lernstunden und praktischen Erfahrungen mit über 14 Tools und Sprachen ist der Kurs speziell auf Ihre Träume zugeschnitten. Anfragen zum Studiengang sind herzlich willkommen.