Kaj so list comprehensions-i?

Question

Accepted Answer

**List comprehension** je jedrnat in berljiv način za gradnjo seznama z transformacijo in/ali filtriranjem iterabilnega objekta v enem izrazu — Pythonova idiomatska alternativa zanki `for`, ki dodaja v seznam.

## Osnovna sintaksa

```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───┘
```

Beremo jo kot "kvadrat n, za vsak n v range(5)." Je bolj jedrnata in pogosto hitrejša kot ročna zanka.

## Dodajanje filtra (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]
```

## Pogojni izraz v izhodu

```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 za druge vrste

```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
```

Enaka sintaksa gradi množice in slovarje; z oklepaji postane **izraz generatorja**, ki leno proizvaja vrednosti (brez polnega seznama v pomnilniku — odlično za velike podatke).

## Kdaj jih NE uporabljati

```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
```

Hranite comprehensions-e preprostih; če potrebujejo več gnezdenih zank ali zapletenih pogojev, je običajna zanka jasnija.

## Zakaj je to pomembno

List comprehensions so tipično "Pythonovske" — jedrnate, berljive in pogosto hitrejše kot enakovredne zanke, nenehno se uporabljajo za transformacijo in filtriranje podatkov.

Ovladovanje njih (plus njihove set/dict/generator variante in leno izraz generatorja za velike podatke) je bistveno za pisanje idiomatskega Pythona.

Znanje, kdaj jih uporabiti (enostavne transformacije/filtri) v primerjavi z običajno zanko (zapletena logika) je znamenje čistega, berljivega koda.