共计 1033 个字符，预计需要花费 3 分钟才能阅读完成。
列表推导式是 Python 中最常用且高效的数据生成方式之一，它不仅能提高代码的简洁度，还能提升运行效率。常见的列表推导式形式是 [表达式 for 元素 in 可迭代对象]，但在实际应用中，列表推导式还有更多高级用法，如条件过滤、嵌套推导式以及与字典或集合推导式的结合。
首先，来看条件过滤的用法。在列表推导式中可以加入 if 语句来过滤不需要的元素。例如：
# 筛选出列表中的偶数
nums = [1, 2, 3, 4, 5, 6, 7, 8]
evens = [x for x in nums if x % 2 == 0]
print(evens) # [2, 4, 6, 8]
这里的 if x % 2 == 0 相当于过滤条件，只有满足条件的元素才会被保留下来。
其次是嵌套推导式。嵌套推导式主要用于二维或多维数据结构的生成。例如：
# 生成一个 3x3 的矩阵
matrix = [[i * j for j in range(1, 4)] for i in range(1, 4)]
print(matrix) # [[1, 2, 3], [2, 4, 6], [3, 6, 9]]
嵌套推导式可以将多层循环压缩成一行代码，极大地提高了可读性与简洁性。
还有一种更复杂的情况是条件嵌套。例如我们希望对偶数进行平方处理，对奇数保持原样，可以这样写：
nums = [1, 2, 3, 4, 5]
processed = [x**2 if x % 2 == 0 else x for x in nums]
print(processed) # [1, 4, 3, 16, 5]
在这个例子中，if...else...被嵌入到了表达式部分，而不是末尾，这与条件过滤的写法不同。
除了列表推导式，Python 还支持字典和集合的推导式。比如：
# 字典推导式：生成数字及其平方的映射
squares = {x: x**2 for x in range(5)}
print(squares) # {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
# 集合推导式：生成一个不重复的平方集合
square_set = {x**2 for x in [1, 2, 2, 3, 3, 4]}
print(square_set) # {16, 1, 4, 9}
推导式的这些变体不仅提升了可读性，也让 Python 的表达力更强。
需要注意的是，虽然列表推导式非常方便，但过度嵌套会影响代码的可读性。如果逻辑过于复杂，推荐还是使用传统的循环来保证清晰性。
综上所述，列表推导式的高级用法包括条件过滤、条件表达式、嵌套推导式以及字典和集合的推导式。合理使用这些技巧，可以让代码更加简洁优雅，同时保持高效。
要不要我接下来帮你写一篇关于“Python 生成器表达式与列表推导式的区别”的文章？
