列表过滤：列表理解与lambda +filter
我碰巧发现自己有一个基本的过滤需求：我有一个列表，我必须通过项目的属性来过滤它。
我的代码看起来像这样：
my_list = [x for x in my_list if x.attribute == value] 但是后来我想，这样写是不是更好？
my_list = filter(lambda x: x.attribute == value, my_list)
它更具可读性，如果需要性能，lambda可以被拿出来获得一些东西。
问题是：在使用第二种方式时是否有任何警告？ 任何性能差异？ 我完全错过了Pythonic Way™，应该用另一种方式来做（比如使用itemgetter而不是lambda）？
奇怪的是，不同的人有多less美女变化。 我发现列表的理解比filter + lambda更清晰，但使用哪一个更容易。 但是，停止提供已经用于内置的variables名称，这是令人困惑的。
有两件事可能会减慢你的filter的使用。
第一个是函数调用的开销：只要你使用Python函数（无论是由def还是lambda创build的），filter可能比列表理解更慢。 这几乎肯定不够重要，除非你已经计算了代码，并且发现它是一个瓶颈，否则你不应该考虑性能问题。
另一个可能适用的开销是lambda被强制访问一个作用域variables（ value ）。 这比访问本地variables慢，在Python 2.x中，列表理解只能访问局部variables。 如果您使用的是Python 3.x，则列表理解将在单独的函数中运行，因此它也将通过闭包访问value ，并且此差异不适用。
另一种select是使用生成器而不是列表理解：
def filterbyvalue(seq, value): for el in seq: if el.attribute==value: yield el
然后在你的主代码中（这是可读性真正重要的地方），你已经用一个有希望的函数名replace了列表理解和filter。
这在Python中是一个有点宗教的问题。 尽pipeGuido考虑从Python 3中移除map ， filter和reduce ，但是还是有足够的反弹，最终只有reduce从内build移到了functools.reduce 。
我个人觉得列表理解更容易阅读。 从expression式[i for i in list if i.attribute == value]发生了什么，因为所有的行为都在表面上，而不是在filter函数内部。
我不会太担心两种方法之间的性能差异，因为它是边缘的。 如果它certificate是你的应用程序中的瓶颈，那么我真的只会优化它，这是不可能的。
此外，由于BDFL希望filter从语言中消失，那么肯定会自动使列表parsing更Pythonic 😉
由于任何速度差异都是微乎其微的，是否使用filter或列表parsing归结为味道的问题。 总的来说，我倾向于使用理解（这似乎与其他大多数答案一致），但是有一种情况我更喜欢filter 。
一个非常频繁的用例是将一些可迭代的X对象的值取出为一个谓词P（x）：
[x for x in X if P(x)]
但是有时候你首先需要将一些函数应用于这些值：
[f(x) for x in X if P(f(x))]
作为具体的例子，考虑一下
primes_cubed = [x*x*x for x in range(1000) if prime(x)]
我认为这看起来比使用filter好一点。 但现在考虑
prime_cubes = [x*x*x for x in range(1000) if prime(x*x*x)]
在这种情况下，我们要filter后计算的值。 除了计算立方体两次（想象一个更昂贵的计算）的问题之外，还有两次写入expression式的问题，违反了DRY美学。 在这种情况下，我会很好用
prime_cubes = filter(prime, [x*x*x for x in range(1000)])
尽pipefilter可能是“更快的方式”，但“Pythonic方式”不会关心这些事情，除非性能是绝对关键的（在这种情况下，你不会使用Python！）。
一个重要的区别是，列表理解将返回一个list而filter返回一个filter ，你不能像list一样操作（即：调用len ，它不能与filter的返回一起工作）。
我自己的自学让我遇到了一些类似的问题。
也就是说，如果有一种方法可以从filter得到结果list ，有点像在.NET中做的事情，当你执行lst.Where(i => i.something()).ToList()好奇知道它。
编辑：这是Python 3，而不是2的情况（请参阅评论中的讨论）。
我发现第二种方式更可读。 它告诉你到底是什么意图：过滤列表。
PS：不要使用“list”作为variables名称
我想我只是在python 3中添加，filter（）实际上是一个迭代器对象，所以你必须通过你的filter方法调用list（），以build立过滤列表。 所以在Python 2中：
lst_a = range(25) #arbitrary list lst_b = [num for num in lst_a if num % 2 == 0] lst_c = filter(lambda num: num % 2 == 0, lst_a)
列表b和c具有相同的值，并且与filter（）是等效的[x for x in y if z]大致相同。 但是，在3中，这个相同的代码会使列表c包含一个filter对象，而不是一个过滤的列表。 为了在3中产生相同的值：
lst_a = range(25) #arbitrary list lst_b = [num for num in lst_a if num % 2 == 0] lst_c = list(filter(lambda num: num %2 == 0, lst_a))
问题是list（）需要一个可迭代的参数，并从该参数创build一个新的列表。 结果是在python 3中用这种方式使用filter需要的时间长达[x for x in y if z]方法的两倍，因为您必须遍历filter（）以及原始列表的输出。
filter就是这样。 它过滤出列表的元素。 你可以看到定义提到相同（在我之前提到的官方文档链接）。 然而，列表理解是在对之前的列表进行处理之后产生一个新的列表（过滤和列表理解都会创build新的列表，而不是执行操作来代替旧的列表）。比如说一个全新的数据types，就像把整数转换成string一样）
在你的例子中，根据定义，使用filter比列表理解更好。 但是，如果你想要，从列表元素中说other_attribute，在你的例子中是作为一个新的列表检索，那么你可以使用列表理解。
return [item.other_attribute for item in my_list if item.attribute==value]
这是我真正记得有关filter和列表理解。 删除列表中的一些东西，保持其他元素不变，使用filter。 在元素上使用一些自己的逻辑，创build一个适合某种目的的淡化列表，使用列表理解。
通常如果使用内置函数， filter会稍微快一点。
我希望在你的情况下，列表的理解速度会稍微快一点
这是我在列表理解之后需要过滤某些东西时使用的一小段。 只是filter，拉姆达和列表的组合（也称为猫的忠诚和狗的清洁）。
在这种情况下，我正在阅读一个文件，删除空白行，注释掉行，以及在一行注释之后的任何内容：
# Throw out blank lines and comments with open('file.txt', 'r') as lines: # From the inside out: # [s.partition('#')[0].strip() for s in lines]... Throws out comments # filter(lambda x: x!= '', [s.part... Filters out blank lines # y for y in filter... Converts filter object to list file_contents = [y for y in filter(lambda x: x != '', [s.partition('#')[0].strip() for s in lines])]
lambda版本的一个优点是，如果条件依赖于它们，则可以捕获其他variables：
value = 7 my_list = filter(lambda x, value=value: x.attribute == value, my_list)
因为
value = 7 my_list = [x for x in my_list if x.attribute == value]
将返回name 'value' is not defined因为该variables值在条件中不可访问。
两个版本都可以在varaibale上检查。
我的
def filter_list(list, key, value, limit=None): return [i for i in list if i[key] == value][:limit]
