Mi a list comprehensions?

Question

Accepted Answer

A **list comprehension** egy tömör, olvasható módja annak, hogy egy listát egy iterábilis transzformálásával és/vagy szűrésével hozzon létre egyetlen kifejezésben — Python idiomatikus alternatívája a `for` ciklus helyett, amely hozzáad egy listához.

## Alapvető szintaxis

```python
# the loop way:
squares = []
for n in range(5):
    squares.append(n ** 2)

# the comprehension way — same result, one line
squares = [n ** 2 for n in range(5)]   # [0, 1, 4, 9, 16]
#          └expr──┘ └──for clause───┘
```

Olvasd ezt úgy, hogy "n négyzete, range(5)-ben minden n-hez." Ez tömörebb, és gyakran gyorsabb, mint a kézi ciklus.

## Szűrés hozzáadása (if)

```python
# 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]
```

## Feltételes kifejezés a kimenetben

```python
# 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"]
```

## Comprehensions más típusokhoz

```python
{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
```

Ez a szintaxis halmazokat és szótárakat hoz létre; zárójelekkel **generátor kifejezéssé** válik, amely lusta módon hoz létre értékeket (nincs teljes lista a memóriában — nagyobb adatokhoz nagyszerű).

## Amikor NEM szabad használni őket

```python
# ❌ 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
```

Tartsa egyszerűen a comprehensionöket; ha többszörösen beágyazott ciklusokra vagy összetett feltételekre van szükségük, egy egyszerű ciklus világosabb.

## Miért számít

A list comprehensions jellegzetesen "Pythonic" — tömör, olvasható és gyakran gyorsabb az egyenértékű ciklusoknál, állandóan használatosak az adatok átalakítására és szűrésére.

Megismerni őket (valamint azok set/dict/generátor változatait, valamint a nagy adatokhoz szükséges lusta generátor kifejezést) elengedhetetlen az idiomatikus Python írásához.

Tudni, hogy mikor kell őket használni (egyszerű átalakítások/szűrők) versus egy normál ciklus (komplex logika) a tiszta, olvasható kód jele.