Python 課程 – 控制流程（Control Flow）

主題：comprehension（列表、集合、字典生成式）

---

簡介

在日常開發中，我們常需要從一組資料中挑選、轉換或重組成新的容器。傳統的做法是使用 for 迴圈逐一處理，程式碼往往冗長且不易閱讀。Python 的 comprehension（生成式） 以簡潔的語法一次完成迭代、條件篩選與值的計算，讓程式碼更具表達力，也更符合「Pythonic」的寫作風格。

掌握列表、集合與字典生成式，不僅能提升開發效率，還能在資料前處理、演算法實作以及 API 回傳格式等情境中，寫出更易維護的程式。本文將從概念說明、實作範例、常見陷阱到最佳實踐，帶你一步步深入了解這項重要技巧。

---

核心概念

1. 列表生成式（List Comprehension）

列表生成式的基本語法是：

[ <表達式> for <變數> in <可迭代物件> if <條件> ]

• <表達式>：決定產生的元素值，常用來做運算或呼叫函式。
• for <變數> in <可迭代物件>：遍歷來源資料。
• if <條件>（可選）：只保留符合條件的元素。

範例 1：平方數列表

# 產生 0~9 的平方數
squares = [x**2 for x in range(10)]
print(squares)   # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

註解：x**2 為表達式，range(10) 為可迭代物件。

範例 2：條件篩選

# 只保留偶數的平方
even_squares = [x**2 for x in range(10) if x % 2 == 0]
print(even_squares)   # [0, 4, 16, 36, 64]

範例 3：字串處理

words = ["Python", "程式設計", "AI", "資料科學"]
# 產生所有字串的長度
lengths = [len(w) for w in words]
print(lengths)   # [6, 5, 2, 5]

---

2. 集合生成式（Set Comprehension）

集合生成式的語法與列表相同，只是把方括號 [] 換成大括號 {}，結果會自動去除重複元素，且無序。

{ <表達式> for <變數> in <可迭代物件> if <條件> }

範例 4：取得唯一的字元

sentence = "Python程式設計語言"
unique_chars = {c for c in sentence}
print(unique_chars)
# 可能輸出：{'程', '設', 'P', 'y', 't', 'h', 'n', '語', '言', '程', '式', '設', '計'}

重點：集合會自動去除重複的字元。

範例 5：篩選質數集合

def is_prime(n):
    if n < 2:
        return False
    for i in range(2, int(n**0.5)+1):
        if n % i == 0:
            return False
    return True

primes = {x for x in range(2, 50) if is_prime(x)}
print(primes)   # {2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47}

---

3. 字典生成式（Dict Comprehension）

字典生成式允許同時產生鍵和值，語法為：

{ <鍵表達式> : <值表達式> for <變數> in <可迭代物件> if <條件> }

範例 6：字母對應其 ASCII 碼

ascii_map = {c: ord(c) for c in "ABCDEF"}
print(ascii_map)   # {'A': 65, 'B': 66, 'C': 67, 'D': 68, 'E': 69, 'F': 70}

範例 7：統計字串中每個字元出現次數

text = "banana"
freq = {c: text.count(c) for c in set(text)}
print(freq)   # {'b': 1, 'a': 3, 'n': 2}

說明：先把 text 轉成集合去除重複，再計算每個字元的次數。

---

4. 巢狀生成式（Nested Comprehension）

當需要多層迭代時，生成式同樣支援巢狀寫法，語法仍保持單行。

範例 8：矩陣轉置（二維列表）

matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

# 透過巢狀列表生成式完成轉置
transpose = [[row[i] for row in matrix] for i in range(3)]
print(transpose)
# [[1, 4, 7], [2, 5, 8], [3, 6, 9]]

範例 9：展開平面座標組合

xs = [0, 1, 2]
ys = [10, 20]

points = [(x, y) for x in xs for y in ys]
print(points)   # [(0, 10), (0, 20), (1, 10), (1, 20), (2, 10), (2, 20)]

---

常見陷阱與最佳實踐

陷阱	說明	建議的解決方式
過度巢狀	生成式層數過多（>2）會使可讀性下降。	若超過兩層，考慮拆成普通 for 迴圈或使用 itertools.product。
大量資料	生成式一次性產生全部元素，記憶體需求可能過大。	使用 generator expression（(expr for ...)）配合 list()、set() 或 dict() 逐步消費。
條件寫錯	if 放錯位置會改變過濾邏輯。	確認 if 只在最後，且只影響 表達式 的輸出，而非迭代本身。
可讀性	內嵌函式或過長表達式會讓人難以理解。	把複雜運算抽成小函式，或在生成式外先定義變數。
鍵值衝突（字典）	同一鍵在迭代中多次出現，後者會覆蓋前者。	若需要保留所有值，改用 defaultdict(list) 或 setdefault。

最佳實踐

1. 保持單行簡潔：每個生成式盡量不超過 80 個字元；必要時可使用圓括號分行。
2. 使用 enumerate、zip：取代手動索引，提高可讀性。
3. 善用 any、all：配合生成式快速判斷條件。

   has_even = any(x % 2 == 0 for x in numbers)
   all_positive = all(x > 0 for x in numbers)
   

4. 搭配 map、filter：在需要懶評估且不想寫 if 時可考慮。
5. 測試邊界：對空集合、負數、非可迭代物件加上例外處理，避免執行時錯誤。

---

實際應用場景

場景	為何使用生成式
資料前處理	快速清理 CSV 中的缺失值、轉換型別。
API 回傳	把資料庫查詢結果直接轉成 JSON 需要的字典結構。
演算法實作	例如 BFS、DFS 中的鄰接表生成、或是圖的邊集合。
機器學習特徵工程	把文字切割成 n-gram、或是把特徵向量轉成稀疏集合。
日誌分析	從大量日誌檔中抽取特定關鍵字或時間戳記。

範例：將資料庫查詢結果轉成 API JSON
假設 rows 為 [(id, name, score), ...]，我們只想回傳 id 與 score，且把 score 四捨五入至小數點第二位：

api_data = [{ "id": r[0], "score": round(r[2], 2) } for r in rows]

---

總結

• 列表、集合、字典生成式 是 Python 中最常用的「一行解決多步驟」技巧，能大幅減少樣板程式碼。
• 透過 條件過濾、巢狀迭代 以及 函式抽象，我們可以在保持可讀性的前提下完成複雜的資料轉換。
• 使用時要留意 記憶體消耗、可讀性 與 鍵值衝突 等常見陷阱，並遵循 最佳實踐（適度分行、善用 enumerate/zip、必要時改用 generator）。
• 在實務專案中，生成式常見於 資料前處理、API 格式化、演算法實作 等場景，是提升開發效率的利器。

掌握了這些概念與技巧，你就能在 Python 程式碼中寫出更簡潔、高效且易於維護的邏輯，為日後的開發奠定堅實基礎。祝你在程式之路上玩得開心、寫得順手！