list-comprehension-idioms

列表推导式与常见简写 (List Comprehension & Idioms)

1. 定义

这篇拆解几个 Python/数据分析里高频出现、初看有点绕的”一行流”写法：

• 列表推导式 (list comprehension)：一行生成列表
• 条件表达式 (三元运算符 ternary)：A if 条件 else B
• 两者组合：推导式里嵌条件表达式
• 列表拼接 + pandas 选列：df[cols + ['label']]

核心思想：把”建一个空列表 → for 循环 → append”压缩成一行，更简洁也更快。

2. 列表推导式 (List Comprehension)

# 传统写法
result = []
for x in X_train:
    result.append(x * 2)
 
# 推导式写法（等价，一行）
result = [x * 2 for x in X_train]

结构：[对每个元素做什么 for 变量 in 可迭代对象]

带过滤：

[x for x in nums if x > 0]        # 只保留 >0 的（末尾 if 是"过滤"）

3. 条件表达式（三元运算符）

# 传统写法
if score >= 60:
    label = "pass"
else:
    label = "fail"
 
# 三元写法（一行）
label = "pass" if score >= 60 else "fail"

结构：值A if 条件 else 值B —— 条件成立取 A，否则取 B。

注意区分两种 if 的位置：

• A if 条件 else B 在 for 前面 → 是”选值”（三元表达式，必须有 else）
• ... for x in xs if 条件 在 for 后面 → 是”过滤”（筛选元素，没有 else）

4. 组合拆解：[1 if np.dot(w, x) + t >= 0 else -1 for x in X_train]

这是感知机 / 线性分类器做预测的经典写法。逐层拆开：

predictions = [1 if np.dot(w, x) + t >= 0 else -1 for x in X_train]

等价的展开写法：

predictions = []
for x in X_train:                    # ③ 遍历每个样本 x
    score = np.dot(w, x) + t         # ① w·x + t：加权求和 + 偏置
    if score >= 0:                   # ② 判断符号
        predictions.append(1)        #    ≥0 判为 +1 类
    else:
        predictions.append(-1)       #    <0 判为 -1 类

逐部分含义：

片段	含义
np.dot(w, x)	权重向量 w 和样本 x 的点积（加权求和），见 matrix-operations.md
+ t	加偏置项 (bias/threshold)
>= 0	看结果符号，决定分到哪一类
1 if ... else -1	三元表达式：≥0 → 1，否则 → -1
for x in X_train	对训练集每个样本都算一遍
[... ]	把每个样本的预测收集成一个列表

一句话：对每个样本算 w·x + t，≥0 判 +1、<0 判 -1，结果收成一个列表。 这就是感知机的预测规则。

向量化版本（更快，避免 Python 循环）：

scores = X_train @ w + t              # 一次算完所有样本（矩阵乘 + 广播）
predictions = np.where(scores >= 0, 1, -1)   # 逐元素三元

np.where(条件, A, B) 就是 NumPy 版的”三元表达式”，作用在整个数组上。见 broadcasting.md。

5. 列表拼接 + pandas 选列：virginica = virginica[features + ['label']]

features = ["sepal_length", "sepal_width", "petal_length", "petal_width"]
virginica = virginica[features + ["label"]]

拆两步看：

第一步：features + ['label'] 是列表拼接

["sepal_length", "sepal_width", "petal_length", "petal_width"] + ["label"]
# = ["sepal_length", "sepal_width", "petal_length", "petal_width", "label"]

+ 对列表是拼接（不是逐元素相加，那是 NumPy 的行为）。这里把特征列名列表末尾加上 "label" 列名。

第二步：df[列名列表] 是”按列子集化”

virginica[["sepal_length", ..., "label"]]   # 传一个列名 list，取这几列组成新 DataFrame

关键区别：

• df["label"] 传单个字符串 → 返回一列 Series
• df[["label"]] 或 df[cols] 传列表 → 返回 DataFrame（哪怕只有一列）

合起来的意思：从 virginica 这张表里，只保留 4 个特征列 + label 列，丢掉其他列，重新赋值回去。 数据清洗里挑选需要的列时超常用。

6. 常见坑

• 三元表达式漏了 else：x if cond（放 for 前面）语法错误，选值必须有 else；只有当过滤（放 for 后面）时才不用 else
• 两种 if 位置搞混：[x for x in xs if cond] 是过滤；[a if cond else b for x in xs] 是每个都映射成 a 或 b，元素个数不变
• 列表 + 当成逐元素加：[1,2]+[3] 是 [1,2,3]（拼接）；想逐元素加要用 NumPy 数组
• 选列用了单括号还是双括号：df['a'] 出 Series，df[['a']] 出 DataFrame，下游代码期望哪种要对上
• 选列的列名拼错/不存在：df[cols] 里有不存在的列名会 KeyError
• 推导式套太多层：三层以上的嵌套推导式可读性差，不如老老实实写 for 循环

7. 延伸阅读 / 关联概念

• lambda — 另一种常和推导式/map/filter 搭配的简写；见 lambda.md
• 矩阵运算 / 点积 — np.dot(w, x) 的数学含义；见 matrix-operations.md
• 广播 / np.where — 把三元逻辑向量化到整个数组；见 broadcasting.md
• pandas 选列 vs loc/iloc — df[cols] 选列，行列都要选时用 loc；见 pandas-loc-iloc.md
• Series vs DataFrame — 单括号/双括号返回类型的区别；见 numpy-pandas-datatypes.md
• 官方文档：List Comprehensions