Una list comprehension es una forma concisa y legible de construir una lista transformando y/o filtrando un iterable en una única expresión: la alternativa idiomática de Python a un bucle for que añade elementos a una lista.
squares = []
n ():
squares.append(n ** )
squares = [n ** n ()]
Léelo como "el cuadrado de n, por cada n en range(5)". Es más conciso y a menudo más rápido que el bucle manual.
# 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
La misma sintaxis construye sets y dicts; con paréntesis se convierte en una generator expression que produce valores de forma perezosa (sin la lista completa en memoria, ideal para grandes volúmenes de datos).
# ❌ 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
Mantén las comprehensions simples; si necesitan varios bucles anidados o condicionales complejos, un bucle normal es más claro.
Las list comprehensions son la quintaesencia de lo "Pythonic": concisas, legibles y a menudo más rápidas que los bucles equivalentes, usadas constantemente para transformar y filtrar datos.
Dominarlas (junto con sus variantes para set/dict/generator y la generator expression perezosa para grandes volúmenes de datos) es esencial para escribir Python idiomático.
Saber cuándo usarlas (transformaciones/filtros simples) frente a un bucle normal (lógica compleja) es la marca de un código limpio y legible.