Una list comprehension è un modo conciso e leggibile di costruire un elenco trasformando e/o filtrando un iterabile in un'unica espressione — l'alternativa idiomatica di Python a un ciclo for che aggiunge a un elenco.
squares = []
n ():
squares.append(n ** )
squares = [n ** n ()]
Leggilo come "il quadrato di n, per ogni n in range(5)." È più conciso e spesso più veloce del ciclo manuale.
# 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 stessa sintassi costruisce sets e dicts; con parentesi diventa una generator expression che produce valori pigra (nessun elenco completo in memoria — ottimo per dati grandi).
# ❌ 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
Mantieni le comprehensions semplici; se hanno bisogno di cicli annidati multipli o condizionali complessi, un ciclo semplice è più chiaro.
Le list comprehensions sono quintessenzialmente "Pythonic" — concise, leggibili e spesso più veloci dei cicli equivalenti, usate costantemente per trasformare e filtrare i dati.
Padroneggiare le loro varianti (più le loro varianti set/dict/generator, e la lazy generator expression per dati grandi) è essenziale per scrivere Python idiomatico.
Sapere quando usarle (trasformazioni/filtri semplici) rispetto a un ciclo regolare (logica complessa) è il segno di un codice pulito e leggibile.