Busca en todas las páginas de la documentación
Las comprensiones construyen listas, diccionarios y conjuntos a partir de iterables en una sola expresión. Las expresiones generadoras se ven similares pero devuelven un iterador perezoso, ideal para canalizaciones que nunca necesitan la colección completa en memoria.
squares = [n * n for n in range(10)]
evens = {n for n in range(20) if n % 2 == 0}
index = {name: i for i, name in enumerate(["ada", "linus"])}
total = sum(x * x for x in range(100_000)) # generador - sin lista grandeCuándo usar esto:
sum/any/all/maxappend de tres líneas con una sola expresiónfrom pathlib import Path
def load_word_counts(paths: list[Path]) -> dict[str, int]:
words = (
word.lower()
for path in paths
for line in path.read_text(encoding="utf-8").splitlines()
for word in line.split()
)
return {word: len(word) for word in sorted(set(words))}
def active_user_emails(rows: list[dict[str, object]]) -> list[str]:
return [
str(row["email"])
for row in rows
if row.get("active") and "email" in row
]
def chunk_indices(size: int, chunk: int) -> list[tuple[int, int]]:
return [(i, min(i + chunk, size)) for i in range(0, size, chunk)]
if __name__ == "__main__":
print(active_user_emails([
{"email": "a@x.com", "active": True},
{"email": "b@x.com", "active": False},
]))
print(chunk_indices(10, 3))Lo que esto demuestra:
sum evita asignar 100k enteros(x for x in it) devuelven un objeto generador.if.for se anidan de izquierda a derecha como bucles anidados.| Forma | Memoria | Reutilización |
|---|---|---|
Comprensión de lista [...] | Almacena todos los elementos | Sí - acceso aleatorio |
Comprensión de conjunto {...} | Almacena elementos únicos | Sí |
Comprensión de diccionario {k: v ...} | Almacena todos los pares | Sí |
Generador (...) | Estado del iterador O(1) | Consumir una vez |
# Walrus (operador de asignación) en comprensión (3.8+)
filtered = [y for x in data if (y := transform(x)) is not None]
# dict.fromkeys para inicialización simple de claves
unique_order = list(dict.fromkeys(items)) # preservar orden, eliminar duplicados[print(x) for x in items] construye una lista de None. Solución: Use un bucle for simple para efectos.[process(x) for x in billion_rows] agota la RAM. Solución: Generador y procesamiento en streaming.for en una sola línea oscurecen la intención. Solución: Dividir en funciones auxiliares o usar itertools.| Alternativa | Usar Cuando | No Usar Cuando |
|---|---|---|
| Expresión generadora | Flujos grandes o infinitos | Necesita indexación o len() |
Bucle for | Efectos secundarios, ramificación compleja | map/filter simple |
map/filter | Estilo funcional con funciones | Múltiples cláusulas if/for |
itertools | Ventanas deslizantes, encadenamiento | Comprensión simple de una línea |
Sí: [x if x > 0 else 0 for x in nums] - la expresión antes de for, no es lo mismo que el else del bucle.
A menudo sí en CPython: bytecode optimizado y sin búsqueda repetida de métodos para append.
Cuando los datos no caben en memoria o solo se pasan una vez para funciones de agregación.
No en Python 3 - x en [x for x in items] es local a la comprensión.
[y for row in matrix for y in row] - múltiples cláusulas for aplanan un nivel.
{k: v for k, v in zip(keys, values)} - o dict(zip(keys, values)) cuando no se necesita filtro.
{expr for x in items} - llaves sin dos puntos. Produce un conjunto, no un diccionario.
Sí, al reutilizar la definición de la canalización: gen = (x for x in data if pred(x)) luego páselo a funciones.
Expándala temporalmente a un bucle for, o extraiga la expresión interna a una función con nombre.
No siempre - map con una función existente puede ser más claro. Las comprensiones ganan para transformaciones en línea con filtros.
Versiones de la Pila: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.
Revisado por Chris St. John·Última actualización: 16 jul 2026