List comprehensions म्हणजे काय?

Question

Accepted Answer

A **list comprehension** एक संक्षिप्त आणि वाचनीय मार्ग आहे list तयार करण्याचा - एका एक्सप्रेशनमध्ये iterable ला रूपांतरित आणि/किंवा फिल्टर करून — `for` loop साठी Python चा idiomatical पर्याय जो list ला अपेंड करतो।

## मूळ सिंटॅक्स

```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───┘
```

हे वाचा "प्रत्येक n साठी n चा वर्ग, range(5) मध्ये." हे व्यावहारिक loop पेक्षा अधिक संक्षिप्त आणि बऱ्याचदा वेगवान आहे।

## फिल्टर जोडणे (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]
```

## आउटपुटमध्ये सशर्त एक्सप्रेशन

```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"]
```

## इतर प्रकारांसाठी Comprehensions

```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
```

समान सिंटॅक्स sets आणि dicts तयार करतो; कंसासह हे **generator expression** बनते जे मूल्यांना आळस झाले (मेमोरीमध्ये पूर्ण list नाही — मोठ्या डेटासाठी उत्तम)।

## कधी वापरू नका

```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
```

Comprehensions साधे ठेवा; जर त्यांना अनेक नेस्टेड loops किंवा जटिल conditionals आवश्यक असतील, तर सामान्य loop अधिक स्पष्ट आहे।

## हे महत्वाचे का आहे

List comprehensions सारांशतः "Pythonic" आहेत — संक्षिप्त, वाचनीय, आणि बऱ्याचदा समतुल्य loops पेक्षा वेगवान, डेटा रूपांतरित आणि फिल्टर करण्यासाठी सतत वापरले जाते।

त्यांमध्ये प्रभुत्व (तसेच set/dict/generator variants आणि मोठ्या डेटासाठी आळस generator expression) idiomatical Python लिहिण्यासाठी आवश्यक आहे।

कधी वापरायचे हे जाणून घेणे (साधे transforms/filters) बनाम नियमित loop (जटिल logic) हे स्वच्छ, वाचनीय कोडचे चिन्ह आहे।