最近在整理代码时，我又一次感受到了 Python 推导式（Comprehensions）的精妙之处。它不仅仅是一种“语法糖”，我更愿意将其看作是一种思维方式的凝练表达。今天，我们就来重新梳理一下这个我们既熟悉又可能有些陌生的特性。
在编程中，我们经常会遇到一个基础性的需求：根据一个已有的序列，通过某种运算，生成一个新的列表。比如，我们想创建一个包含 0 到 9 平方的列表。最直观、最基础的写法，自然是借助 for 循环：
squares = []
for i in range(10):
squares.append(i * i)
# 得到 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]这段代码清晰明了，没有任何理解上的困难。但仔细品味，会觉得它有些啰嗦。我们定义了一个空列表 squares，然后在循环体内部不断地调用 append 方法去“填充”它。整个过程被拆分成了“初始化”、“循环”、“填充”三个步骤。然而，我们的核心意图其实只有一个：创建一个列表。
既然核心意图如此明确，有没有办法让代码的表达也同样直接呢？Python 的列表推导式（List Comprehension）正是为此而生。上面的代码，我们可以用一行来等价实现：
squares = [i * i for i in range(10)]这个写法的妙处在于，它将“做什么”（i * i，对元素进行平方运算）和“从哪里做”（for i in range(10)，遍历 0 到 9）这两个核心信息，紧凑地封装在了一对方括号 [] 内部。方括号本身就清晰地表明了我们的最终目标是创建一个列表。代码即意图，这让我觉得非常优雅。
一个很自然的想法是：既然列表可以这样做，那么其他常见的数据结构，比如字典（dict），是否也能享受到这种便利呢？
答案是肯定的。我们只需稍作变通。对于字典，它的基本构成单元是键值对（key-value pair）。因此，在推导式中，我们需要提供的就不能再是单个元素的表达式，而应该是一个“键: 值”格式的表达式。
比如，我想创建一个从 0 到 9 的数字及其字符串形式的映射字典，可以这样写：
mapping = {key: str(key) for key in range(10)}
# 得到 {0: '0', 1: '1', 2: '2', ..., 9: '9'}可以看到，其结构与列表推导式几乎完全一致，只是将 [] 换成了 {}，并将单个表达式 i * i 换成了键值对表达式 key: str(key)。这种设计上的一致性，大大降低了我们的学习和记忆负担。
那么，元组（tuple）呢？如果我们顺着上面的思路，把方括号 [] 换成圆括号 ()，会得到一个“元组推导式”吗？
my_tuple_gen = (i for i in range(10))当我们执行这行代码并打印 my_tuple_gen 时，会发现得到的结果并不是一个元组，而是一个 generator object（生成器对象）。
Note
这是一个非常有意思的设计。Python 的设计者认为，推导式常常被用在大型数据集上。如果直接生成一个完整的元组，可能会瞬间占用大量内存。而生成器则采用了一种“惰性求值”的策略，它不会一次性把所有元素都计算出来，而是在你真正需要使用它（比如在 for 循环中迭代）的时候，才一个一个地把元素“生产”出来。
这种惰性求值的特性在很多场景下非常有用。当然，如果我们确实需要一个完整的元组，也非常简单，只需要在生成器表达式外面显式地调用 tuple() 构造函数即可：
my_tuple = tuple(i for i in range(10))总的来看，Python 的推导式提供了一种高度浓缩且极富表达力的方式来创建集合、列表和字典。它不仅仅是代码量的减少，更是一种思维模式的转变——从描述“如何做”（how）的指令式循环，转向描述“是什么”（what）的声明式表达。
而这种声明式的表达，不仅仅带来了代码可读性的提升。一个经常被提及但同样重要的优点是，推导式在执行效率上也往往优于等价的 for 循环。其背后的原因在于，推导式的循环逻辑是在 C 语言层面实现的，这绕过了 Python 解释器在处理循环时的部分开销，从而获得了更好的性能。因此，熟练运用它，不仅能让我们的代码更加 Pythonic，也常常能让代码跑得更快。