怎么用列表推导式在Python中快速生成数组

小满

发布时间：2026-10-23 | 5人浏览过

原创

在 Python 中，最基础且常用的动态数组载体是内置的列表（list）。通过列表推导式（List Comprehension），开发者可以使用单行表达式快速构造一维或多维数据序列。它将循环遍历、条件判断与元素映射紧凑地结合在一起，不仅避免了手动维护循环变量与重复调用追加方法的繁琐，还在底层字节码层面进行了优化，是 Python 编写高效、整洁数据初始化逻辑的标准方案。

一、列表推导式的核心语法与原理拆解

列表推导式的基本构造包含在方括号 [] 之内，核心部分由三部分组成：目标生成表达式、for...in 迭代子句，以及可选的 if 过滤子句。其标准结构如下：

[输出表达式 for 变量 in 可迭代对象 if 过滤条件]

当 Python 解释器执行列表推导式时，它会依次从可迭代对象中取出元素，先交由过滤条件评估。只有条件为真（或未定义过滤条件）时，才会计算前面的输出表达式，并将最终结果顺序压入预备分配的数组缓存区中。

图 1：列表推导式内部流水线与语法映射结构

二、快速生成各类数组的操作步骤与示例

在实际编程中，根据维度和规则的不同，数组的生成可归纳为四个常见场景：生成固定初值数组、生成数值规律数组、条件筛选数组以及生成二维多维数组。

1. 生成固定默认值或常数的一维数组

当需要初始化一个长度为 N 且填充指定默认值（如 0、False 或 None）的数组时，除了使用乘法扩充 [0] * N 外，使用列表推导式能够清晰表达初始化意图，特别是在元素为可变对象时具有天然的隔离优势：

# 生成包含 8 个整数 0 的数组
zeros = [0 for _ in range(8)]
# 输出示例: [0, 0, 0, 0, 0, 0, 0, 0]

2. 生成满足数学变换与连续区间的一维数组

结合内置函数 range()，可以快速生成线性递增、等差序列或经数学公式映射后的数组：

# 生成 0 到 9 的平方数数组
squares = [x * x for x in range(10)]
# 输出示例: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

# 对字符串列表进行预处理得到长度数组
words = ["python", "array", "comprehension", "fast"]
lengths = [len(w) for w in words]
# 输出示例: [6, 5, 13, 4]

3. 带条件过滤与分支转换的数组生成

推导式中的条件语句有两种常见用法：

仅做过滤（放在末尾）：只有满足条件的元素才会被生成。
条件选择变换（放在 for 前面）：使用三元表达式 A if condition else B 对每个元素做分支处理，输出数组长度与原数据源一致。

# 场景 A: 仅保留 0 到 19 中的偶数 (过滤模式)
evens = [x for x in range(20) if x % 2 == 0]
# 输出示例: [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

# 场景 B: 奇数保持原样，偶数取负值 (分支变换模式)
transformed = [x if x % 2 != 0 else -x for x in range(6)]
# 输出示例: [0, 1, -2, 3, -4, 5]

4. 嵌套推导式快速构建二维数组（矩阵）

生成二维矩阵时，外层循环控制行（row），内层循环控制列（column）。外层推导式的每一个单元都是一个独立的内层推导式：

# 生成 3 行 4 列全 0 的二维矩阵
rows, cols = 3, 4
matrix_zeros = [[0 for _ in range(cols)] for _ in range(rows)]
# 输出示例:
# [
#   [0, 0, 0, 0],
#   [0, 0, 0, 0],
#   [0, 0, 0, 0]
# ]

# 生成 3x3 乘法坐标矩阵 (元素为 row * col)
grid = [[r * c for c in range(1, 4)] for r in range(1, 4)]
# 输出示例: [[1, 2, 3], [2, 4, 6], [3, 6, 9]]

图 2：数组生成的工程化四步实现流程

三、底层机制与传统循环的性能对比

很多读者会有疑问：列表推导式与普通的 for 循环配合 list.append() 相比，仅仅是代码行数更少，还是真正具有性能优势？

答案是肯定的。列表推导式在执行速度上通常比显式 for 循环快 25% 至 50% 左右。这种差异来源于 Python 虚拟机底层的字节码与内存操作机制：

避免频繁的方法查找与调用：在传统 for 循环中，每次调用 arr.append(item) 时，解释器都必须通过 LOAD_METHOD（或 LOAD_ATTR）在对象中查找 append 属性，再通过 CALL_METHOD 压入函数调用栈。而在列表推导式中，解释器直接使用底层专用的 C 级指令 LIST_APPEND，完全省去了属性检索与函数调用栈开销。
预估分配与紧凑循环：列表推导式在 CPython 解释器内部有紧凑的原生循环实现，对内存分配有更优的预测策略，数据能更直接地写入数组缓冲区。

图 3：传统 for 循环 append 与列表推导式底层字节码执行对比

四、容易出现的典型陷阱与规避方法

1. 浅拷贝陷阱：避免使用 `[[0]cols]rows` 初始化二维数组

初学者在需要初始化二维数组时，常会误写为 [[0] * 3] * 3。这种写法极其危险，因为乘法操作只是将同一个内层列表的引用复制了 3 次。当修改 matrix[0][0] = 1 时，所有行的第一列都会同时发生改变。

关键规范：创建二维或多维数组时，务必使用嵌套列表推导式：[[0 for _ in range(cols)] for _ in range(rows)]。外层推导式在每次迭代时都会独立执行内层推导式，从而为每一行创建全新的、相互独立的列表对象。

2. 嵌套深度与代码可读性

列表推导式支持多重嵌套，但过深的嵌套（超过两层）会导致代码极其难以理解和维护。例如，将三维张量展开或带复杂三元判断的多层推导式压缩在一行，会增加后期排查 bug 的成本。当逻辑较为复杂时，应拆分为常规循环或封装为独立生成函数。

3. 海量数据场景下的内存溢出风险

列表推导式是一次性计算并分配完整的内存空间来容纳所有元素。如果需要处理的数据量极其庞大（例如生成上千万个整数），列表推导式可能会瞬间耗尽系统内存。如果这些数据只需要按顺序单次遍历消费，应将外层中括号 [] 替换为小括号 ()，转为生成器表达式（Generator Expression）：

# 列表推导式：立刻占用大量内存
large_list = [x for x in range(10_000_000)]

# 生成器表达式：惰性求值，占用极少固定内存
large_gen = (x for x in range(10_000_000))

五、数组生成方案技术选型指南

虽然列表推导式十分便利，但面对数值计算、固定类型连续存储或高维度矩阵时，Python 生态中还有其他工具协同使用。下面的决策结构展示了不同应用场景下的推荐方案：

图 4：Python 数组与序列生成方案技术选型决策图

六、全文总结

用列表推导式在 Python 中快速生成数组是兼顾可读性与运行性能的最佳实践。在实际编码中，牢记以下三个核心建议：

熟练掌握语法位置：纯过滤逻辑的 if 紧随其后放在末尾；分支映射逻辑的 if-else 必须置于 for 前部。
防御二维引用陷阱：构建多维矩阵务必采用嵌套推导式，杜绝使用乘法浅拷贝生成二维列表。
权衡空间与时间：在常规规模下充分发挥推导式 LIST_APPEND 带来的底层速度优势；面对超大体量序列时，及时切换为生成器表达式或专门的数值计算库。