字典推导式中过滤空值最简洁的方式是用 if，但需根据业务显式判断（如 is not None 和 != ''），避免误删 0 或 False；复杂条件应抽离为函数配合 filter()；处理嵌套或异构数据前须用 get() 和 isinstance() 防错；性能敏感时避免重复调用高开销函数。
字典推导式里直接用 if 过滤空值最简洁
空值通常指 None、''、[]、{}、0 等 falsy 值，但要注意：是否过滤 0 或 False 取决于业务——它们可能是合法数据。推荐显式判断，避免隐式布尔转换误伤。
实操建议：
- 用
if value is not None and value != ''明确排除None和空字符串，不碰0或False - 若需统一过滤所有 falsy 值（含
0），写成if value，但务必确认业务允许 - 脏数据如
'N/A'、'NULL'、'--'需单独判断，不能依赖布尔值
示例：
{k: v for k, v in data.items() if v is not None and v != '' and v != 'N/A'}
用 filter() + dict() 拆分逻辑更易读
当过滤条件变复杂（比如多字段校验、正则匹配、类型检查），硬塞进推导式会让代码一眼看不清意图。此时把“是否保留”逻辑抽成函数，再用 filter() 预处理，反而更可控。
实操建议：
- 定义一个返回
bool的校验函数，例如def is_valid_value(v): return isinstance(v, str) and v.strip() - 用
dict(filter(lambda kv: is_valid_value(kv[1]), data.items()))替代长推导式 - 注意
filter()返回迭代器，Python 3.7+ 中dict()构造仍保持插入顺序
遇到嵌套结构或类型不一致时，先用 get() 和 isinstance() 防崩
真实数据常混杂 None、字符串、数字、甚至字典。直接访问 v.strip() 或 v.upper() 很容易抛 AttributeError。
实操建议：
- 对可能为
None的值，优先用data.get(k, default)提供兜底 - 做字符串操作前，先用
isinstance(v, str)判断类型，别信注释里的“这个字段一定是字符串” - 若需统一转字符串再清洗，用
str(v).strip()，但要小心str(None) == 'None'—— 这往往不是你想要的
示例：
{k: v.strip() for k, v in data.items() if isinstance(v, str) and v.strip()}
性能敏感场景下，避免在推导式中重复调用开销大的函数
比如每次判断都跑一遍 re.match() 或 json.loads()，会显著拖慢推导式。这不是语法问题，而是执行路径被放大了 N 倍。
实操建议：
- 把耗时操作提到循环外：先用
map()或列表推导预处理值，再对结果做字典推导 - 用
:=（海象运算符）在条件中缓存中间结果，适用于 Python 3.8+ - 若清洗逻辑固定且高频，考虑用
functools.lru_cache缓存校验结果（仅当输入域有限时有效）
示例（Python 3.8+）：
{k: clean_v for k, v in data.items() if (clean_v := v.strip()) and clean_v != 'INVALID'}
真正麻烦的不是语法怎么写，而是得想清楚：哪些是必须剔除的无效信号，哪些是业务上有效的零值或占位符。同一份 data 在不同模块里，“空”的定义可能完全不同。
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！
