Python实用技巧之列表、字典、集合中根据条件筛选数据详解

列表筛选的三种方式与性能对比

处理列表数据时，我们通常面临三种选择：使用for循环手动构建结果、利用内置的filter函数，或者采用列表推导式。以下通过一个具体案例——从随机生成的整数列表中筛选出所有非负数，来展示这三种方法的实现与差异。

1. 传统迭代方式

最基础的方法是使用for循环遍历列表，通过if语句判断条件，并将符合条件的元素追加到新列表中。这种方法逻辑直观，但代码相对冗长。

data = [2, 7, -4, -1, 3, 0, 8]
res = []
for i in data:
    if i >= 0:
        res.append(i)
print(res)

2. 使用filter函数

Python内置的filter函数可以接收一个过滤条件（函数）和一个可迭代对象。它返回一个迭代器，包含所有使条件函数返回True的元素。这种方式更加函数式，但需要注意filter返回的是迭代器，而非列表。

from random import randint
data = [randint(-10,10) for _ in range(10)]
# filter 接收两个参数，第一个参数为过滤条件，第二个参数为过滤范围
f = filter(lambda x: x>=0, data)
for j in f:
    print(j)

3. 列表推导式（推荐）

列表推导式是Python中最为简洁且高效的筛选方式。它在单行代码内完成了遍历、条件判断和结果构建，通常比前两种方法速度更快。

from random import randint
data = [randint(-10,10) for _ in range(10)]
f = [i for i in data if i >= 0]
print(f)

性能提示：在大多数场景下，列表推导式的执行速度优于filter函数和传统for循环，建议优先使用。

字典的条件筛选

字典筛选通常基于键值对中的值进行过滤。例如，我们需要从一个包含学生成绩（1-20号，分数60-100）的字典中，筛选出分数高于90分的记录。

import random
dict = {i: random.randint(60, 100) for i in range(1, 21)}
# print(dict)
# 根据值过滤除分数高于90的人
res = {k: v for k, v in dict.items() if v > 90}
print(res)

这里使用了字典推导式，通过遍历dict.items()获取键值对，并应用条件v > 90进行过滤。这种方式同样保持了代码的简洁性和执行效率。

集合的条件筛选

集合（set）的筛选逻辑与列表类似，但结果仍保持集合的唯一性特性。例如，从一个随机生成的整数集合中筛选出所有能被2整除的偶数。

import random
data = set(random.randint(-10,10) for _ in range(10))
# print(data)
# 筛选集合中能被2整除的数
res = {i for i in data if i % 2 ==0}
print(res)

注意：集合推导式使用花括号{}，且结果会自动去重。如果原始数据中存在重复值，筛选后的集合仍只保留唯一值。

总结

在Python中，根据条件筛选数据时，列表推导式和字典/集合推导式因其简洁性和高性能成为首选。filter函数适用于需要惰性求值或处理大型数据流的场景，而传统for循环则适用于逻辑极其复杂、难以用推导式表达的情况。掌握这些技巧，能显著提升数据处理代码的可读性与执行效率。

以上就是Python实用技巧之列表、字典、集合中根据条件筛选数据详解的详细内容，更多关于Python数据筛选技巧的资料请关注本站其它相关文章！