列表推导式比for+append快50%以上，因其预分配内存、避免属性查找、减少字节码指令；嵌套循环顺序不可颠倒；条件if仅作用于左侧已定义变量；含副作用或复杂逻辑时应避免使用。
list 构建慢？用列表推导式通常能提速 50% 以上，但前提是写对——它不是语法糖，而是 C 层优化的原生结构。
为什么列表推导式比 for + append 快？
Python 解释器对 [expr for item in iterable] 做了底层优化：预分配内存、避免重复的属性查找（如 list.append）、减少字节码指令数。而传统循环中每次 .append() 都要解析方法名、查属性、调用函数，开销明显。
-
for循环里调用append是纯 Python 函数调用，每次都有栈帧开销 - 列表推导式在创建时就知道最终长度（可预测迭代次数），内部直接 malloc 内存块
- 没有中间变量、无额外命名空间查找，表达式直接编译为紧凑字节码
嵌套循环必须用双 for，顺序不能颠倒
写 [num for row in matrix for num in row] 是展平二维列表；如果写成 [num for num in row for row in matrix]，会报 NameError: name 'row' is not defined —— 因为变量作用域按从左到右声明，row 必须先于 num 出现在 for 子句中。
- 外层
for在前，内层for在后，对应传统嵌套循环的缩进层级 - 条件
if可放在任意for后，但只作用于它前面所有已定义的变量 - 例如
[(i,j) for i in range(3) for j in range(3) if i != j]中，i和j都已定义，条件才有效
带函数调用时，注意副作用和类型安全
像 [int(x) for x in str_list if x.isdigit()] 看似简洁，但 isdigit() 对负数、小数字符串返回 False，而 int() 本身可能抛异常（虽然这里被 if 挡住了）。实际中更常见的是 try/except 场景，但列表推导式不支持 try 块。
- 别在推导式里放有副作用的函数（如
print()、修改全局状态），逻辑难追踪 - 避免嵌套多层函数调用，比如
[f(g(h(x))) for x in data]，可读性差且调试困难 - 若需容错转换，优先用辅助函数封装，再在推导式中调用：
safe_int = lambda s: int(s) if s.isdigit() else None
什么时候不该用列表推导式？
三个典型反例：需要多次遍历结果、逻辑分支超过两层、或数据量极大但只消费一次。
- 生成的列表后续要反复索引或多次遍历？没问题——但若只用于
sum()或any()，用生成器表达式(...)更省内存 -
if-elif-else多分支？硬塞进推导式会变成[a if c1 else b if c2 else d for ...]，立刻变面条代码 - 处理 GB 级日志行？别用
[process(line) for line in big_file]，改用(process(line) for line in big_file)或分块读取
真正容易被忽略的点是：列表推导式一旦执行就完成全部计算，没有懒求值能力。哪怕你只取前 5 个元素，它也把整个列表全算出来。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
