En list comprehension er en kortfattet og læselig måde at bygge en liste ved at transformere og/eller filtrere et iterabelt element i et enkelt udtryk — Pythons idiomatiske alternativ til en for løkke, der tilføjer til en liste.
squares = []
n ():
squares.append(n ** )
squares = [n ** n ()]
Læs det som "kvadratet af n, for hver n i range(5)." Det er mere kortfattet og ofte hurtigere end den manuelle løkke.
# keep only even numbers
evens = [n for n in range(10) if n % 2 == 0] # [0, 2, 4, 6, 8]
# transform AND filter together
result = [n * 2 for n in range(10) if n % 2 == 0] # [0, 4, 8, 12, 16]
# if/else goes BEFORE the for (it's part of the expression, not a filter)
labels = ["even" if n % 2 == 0 else "odd" for n in range(4)]
# ["even", "odd", "even", "odd"]
{x ** 2 for x in range(5)} # set comprehension → {0, 1, 4, 9, 16}
{k: v for k, v in pairs} # dict comprehension
(x ** 2 for x in range(5)) # generator expression — LAZY, memory-efficient
Den samme syntaks opbygger sets og dicts; med parenteser bliver det en generator expression, der producerer værdier dovnt (ingen fuldt list i hukommelsen — fantastisk til stor data).
# ❌ deeply nested / complex logic → a regular loop is more readable
matrix = [[row[i] for row in data] for i in range(cols)] # OK, but don't over-nest
Hold comprehensions simple; hvis de kræver flere indlejrede løkker eller komplekse betingelser, er en almindelig løkke klarere.
List comprehensions er quintessentially "Pythonic" — kortfattet, læselig og ofte hurtigere end tilsvarende løkker, brugt konstant til transformering og filtrering af data.
At mestre dem (plus deres set/dict/generator varianter og lazy generator expression til stor data) er afgørende for at skrive idiomatisk Python.
At vide hvornår man skal bruge dem (simple transformationer/filtre) versus en almindelig løkke (kompleks logik) er tegnet på ren, læselig kode.