[Python筆記] 新手指南：List 和Dictionary Comprehensions 的教學及應用

Whats's up guys! 我是 Rex，經過了兩個假日 (研究生放風時間)，今天繼續跟大家分享我的 Python 筆記。

Introduction

在之前的討論中，我們聊到了像元組、字典、集合和列表這些資料結構，以及它們如何幫助我們有效地儲存和組織資料。現在，讓我們更進一步，探索列表和字典生成式（comprehensions）！這些技巧就像魔法一樣，能用簡潔又優雅的語法快速創建和轉換資料結構。掌握資料結構的基礎，可以幫助我們選擇最適合的工具，而熟悉生成式則能讓我們動態操作和生成資料，讓程式碼更具易讀性和更有效率。

優點:

• 簡潔性：List/Dictionary comprehension 能將多行迴圈濃縮成一行代碼，大幅提升可讀性，讓程式碼更加簡潔直觀。
• 效能：在某些情況下，List/Dictionary comprehension 的效能可能略勝於傳統迴圈。不過，根據我的經驗與網路上的討論，效能的優劣取決於迴圈內的具體邏輯，並非每次都一定更快，實際應用時還是要視情況而定。
• 可讀性：透過簡單且清晰的語法，List/Dictionary comprehension 提供了一種優雅的方式來實現資料的轉換或過濾邏輯，讓代碼一目了然。

Coding Example

在正式介紹生成式之前，我想先讓讀者們比較一下 List/Dictionary comprehension 和傳統 for loop 在外觀上的差異。首先，我們先來看看 List Comprehension。假設我們需要產生一個列表，其中包含 1 到 10 之間所有偶數的平方。

# 傳統 for loop
squared_even_number = []  # 先創建一個空列表
for i in range(1, 11):
    if i % 2 == 0:
        squared_even_number.append(i**2)
        
# List Comprehension
squared_even_number = [i ** 2 for i in range(1, 11) if i % 2 == 0]  # [4, 16, 36, 64, 100]

再來，我們來看看 Dictionary Comprehension。假設我們有一個字典，其中包含學生的名字和成績，我們想要生成一個新的字典，其中包括學生的名字和成績分級。如果分數大於或等於 90，則給予 A；在 80 到 90 之間給予 B；在 70 到 80 之間給予 C；其餘的則給予 D。

# 傳統 for loop
students = {"Alice": 85, "Bob": 70, "Charlie": 95, "Diana": 60}
grades = {}  # 先創建一個空字典
for name, score in students.items():
    if score >= 90:
        grades[name] = "A"
    elif score >= 80:
        grades[name] = "B"
    elif score >= 70:
        grades[name] = "C"
    else:
        grades[name] = "D"

# Dictionary Comprehension
grades = {name: ("A" if score >= 90 else "B" if score >= 80 else "C" if score >= 70 else "D") 
          for name, score in students.items()}  # {'Alice': 'B', 'Bob': 'C', 'Charlie': 'A', 'Diana': 'D'}

從上面兩個例子可以看出 List/Dictionary Comprehension 的簡潔和易讀性，但我相信對新手來說也可能有些複雜。因此，在開始教程之前，我先分享一個我覺得蠻實用的小抄。

List Comprehension (Source:freeCodeCamp)

我相信這個小抄算是一目瞭然，我就不多做解釋，那我們現在開始教程。

List Comprehension

1. 篩選資料 (Data Filtering) - 你現在正在分析顧客的交易資料，你只想要列出交易量金額大於20的交易。

transactions = [12, 45, 23, 10, 8, 37]
high_value_transactions = [amount for amount in transactions if amount > 20]
# Output: [45, 23, 37]

2. 資料轉換 (Data Transformation) - 你有一個紀錄攝氏溫度的列表，你想轉換成華氏溫度。

temperatures_celsius = [20, 25, 30, 35]
temperatures_fahrenheit = [temp * 9/5 + 32 for temp in temperatures_celsius]

# Output: [68.0, 77.0, 86.0, 95.0]

3. 資料整合 (Data Aggregation and Summarization) - 你現在正在分析學生對某堂課每個作業的 feedback，你想要將這些資料整理成一個單獨的陣列。

assignments_feedback = [
    ["Assignment1", ["Good work", "Keep it up", "Well done"]],
    ["Assignment2", ["Needs improvement", "Excellent effort", "Keep it up"]],
    ["Assignment3", ["Great job", "Needs more effort", "Very insightful"]]
]

flat_feedback = [comment for assignment, feedback in assignments_feedback for comment in feedback]

"""
# Output: ['Good work',
 'Keep it up',
 'Well done',
 'Needs improvement',
 'Excellent effort',
 'Keep it up',
 'Great job',
 'Needs more effort',
 'Very insightful']
"""

Dictionary Example

1. 資料篩選 (Data Filtering) - 你有一個學生名單以及他們對應的成績，你想建立一個字典，只顯示成績有過標準的學生名字以及成績。

students = {'Alice': 85, 'Bob': 76, 'Charlie': 90}
passed_students = {name: score for name, score in students.items() if score >= 80}
# Output: {'Alice': 85, 'Charlie': 90}

2. 資料轉換 (Data Transformation) - 你有一個產品的價錢列表，你想將每個價錢打9折。

prices = [100, 200, 300]
discounted_prices = {i: price * 0.9 for i, price in enumerate(prices)}
# Output: {0: 90.0, 1: 180.0, 2: 270.0}

3. 資料整合 (Data Aggregation and Summarization) - 你有一個列表，裡面記錄一個文章出現過的字詞，然後你想計算每個字詞出現的次數。

words = ['apple', 'banana', 'pear', 'apple', 'banana']
word_counts = {word: words.count(word) for word in set(words)}
# Output: {'banana': 2, 'apple': 2, 'pear': 1}​

以上就是List/Dictionary Comprehension 的教學內容。我個人非常常用這個功能，尤其是在資料分析中進行資料的轉換、篩選和整合時。希望今天提供的例子能幫助各位讀者更好地掌握這個技巧。和以往一樣，最後我會提供兩個 Coding Question 和一個概念問題，希望透過這些練習，進一步加深大家對這個技巧的理解和應用。

Concept Question

1. List/Dictionary comprehension 有哪些優點？在什麼情境下你會使用這個技巧？

Coding Question

1. 請使用 List Comprehension 從 1 到 20 中篩選出所有的奇數，並計算每個奇數的平方。
2. 假設我們有一個字典，裡面包含了一些城市的名稱和人口數量。請使用 Dictionary Comprehension 為每個城市計算人口的五個等級（大於 5 百萬為 'Very High'， 介於 1 百萬到 5 百萬之間為 'High'， 介於 500,000 到 1 百萬之間為 'Medium'， 介於 100,000 到 500,000之間為 'Low'，少於 100,000為 'Very Low'）。

# Example Data
city_population = { 'Amsterdam': 800000, 'New York': 8000000, 'Tokyo': 14000000, 'London': 8900000, 'Sydney': 500000, 'Mumbai': 20000000, 'Beijing': 21000000, 'Shanghai': 24200000, 'Istanbul': 15000000, 'Mexico City': 9200000 }

Conclusion

今天的教學就到這裡啦！希望大家透過這篇文章對 List/Dictionary Comprehension 有更深入的了解。如果你對文章中提到的操作或應用有任何問題，歡迎在留言區討論，或者分享你使用這些函式解決問題的經驗！也別忘了試試我提供的練習題目喔！祝大家練習順利，我們下次見啦～

Reference

• https://www.geeksforgeeks.org/python-list-comprehension/
• https://www.tenlong.com.tw/products/9781491957660