何时删除列表理解和Pythonic方式？

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了何时删除列表理解和Pythonic方式？，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2183字，纯文字阅读大概需要4分钟。

内容图文

我创建了一个以下列方式将对象附加到列表的行

>>> foo = list()
>>> def sum(a, b):
...      c = a+b; return c
...
>>> bar_list = [9,8,7,6,5,4,3,2,1,0]
>>> [foo.append(sum(i,x)) for i, x in enumerate(bar_list)]
[None, None, None, None, None, None, None, None, None, None]
>>> foo
[9, 9, 9, 9, 9, 9, 9, 9, 9, 9]
>>>

这条线

[foo.append(sum(i,x)) for i, x in enumerate(bar_list)]

会给一个pylint W1060表达式什么都没有,但由于我已经在使用foo列表来附加值,所以我不需要将List Comprehension行赋予某些东西.

我的问题更多的是编程正确性

我应该删除列表理解并使用简单的表达式吗？

>>> for i, x in enumerate(bar_list):
...      foo.append(sum(i,x))

或者是否有正确的方法来使用列表理解和分配到什么？

回答

谢谢@ user2387370,@ kindall和@Martijn Pieters.对于其余的注释,我使用append,因为我没有使用list(),我没有使用i x,因为这只是一个简化的例子.

我把它留下如下：

histogramsCtr = hist_impl.HistogramsContainer()
for index, tupl in enumerate(local_ranges_per_histogram_list):
    histogramsCtr.append(doSubHistogramData(index, tupl))
return histogramsCtr

解决方法:

是的,这是不好的风格.列表理解是建立一个列表.你正在构建一个充满Nones的列表然后扔掉它.您实际需要的结果是这项工作的副作用.

为什么不首先使用列表理解来定义foo？

foo = [sum(i,x) for i, x in enumerate(bar_list)]

如果它不是一个列表而是一些其他容器类,正如你在另一个答案的注释中提到的那样,写一个类来接受它的构造函数中的一个iterable(或者,如果它不是你的代码,则将它子类化为这样做),然后传递一个生成器表达式：

foo = MyContainer(sum(i, x) for i, x in enumerate(bar_list))

如果foo已经有一些价值并且您希望追加新项目：

foo.extend(sum(i,x) for i, x in enumerate(bar_list))

如果你真的想使用append()并且由于某些原因不想使用for循环,那么你可以使用这个结构;生成器表达式至少可以避免在您不想要的列表上浪费内存和CPU周期：

any(foo.append(sum(i, x)) for i, x in enumerate(bar_list))

但是这比常规for循环更不清楚,还有一些额外的工作要做：任何一个都在每次迭代测试foo.append()的返回值.您可以编写一个函数来使用迭代器并消除该检查;最快的方法是使用零长度collections.deque：

from collections import deque
do = deque([], maxlen=0).extend

do(foo.append(sum(i, x)) for i, x in enumerate(bar_list))

这实际上是相当可读的,但我相信它实际上并不比任何()更快,并且需要额外的导入.但是,do()或any()比for循环快一点,如果这是一个问题.

内容总结

以上是互联网集市为您收集整理的何时删除列表理解和Pythonic方式？全部内容，希望文章能够帮你解决何时删除列表理解和Pythonic方式？所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端