列表推导：对组件的引用

Question

总的来说：我需要写一个列表推导式，但在这个推导式中我想引用正在创建的列表。

这可能不是你每天都需要做的事情，但我觉得也不算特别奇怪。

也许这里没有答案——不过请不要告诉我应该用for循环。虽然这样可能是对的，但对我没有帮助。原因是这个代码片段是一个ETL模块的一部分，所以性能很重要，同时我也想避免创建一个临时容器——这就是我想用列表推导式来写这一步的原因。如果用for循环能解决我的问题，我早就写一个了。

无论如何，我就是写不出这个特定的列表推导式。原因是：我需要写的表达式是这个样子的：

[ some_function(s) for s in raw_data if s not in this_list ]

在这个伪代码中，“this_list”指的是通过评估这个列表推导式而创建的列表。这就是我卡住的原因——因为这个列表在我的列表推导式被评估之前是不存在的，所以我不知道该怎么引用它。

到目前为止，我考虑过的事情（可能基于一个或多个错误的假设，虽然我不太确定具体在哪里）：

• 难道Python解释器不需要给这个正在构建的列表起个名字吗？我觉得是的。

• 这个临时名字可能是从某个用于构建我列表的绑定方法中来的（比如'sum'？）

• 但即使我费心去找那个绑定方法，假设它确实是Python解释器在构建列表时用的临时名字，我也很确定你不能直接引用绑定方法；我不清楚有没有这样的明确规则，但那些方法（至少我看过的几个）并不是有效的Python语法。我猜其中一个原因是为了防止我们把它们写进代码里。

所以这就是我所谓的推理链，导致我得出结论，或者说猜测，我把自己困住了。不过我觉得在转身走另一条路之前，应该先和社区确认一下这个想法。

Answer 1

据我所知，无法在列表推导式构建的过程中访问它。

正如KennyTM提到的（如果条目的顺序不重要），你可以使用一个set（集合）来代替。如果你使用的是Python 2.7或3.1及以上版本，你甚至可以使用集合推导式：

{ some_function(s) for s in raw_data }

否则，使用for循环也不错（虽然在处理大量数据时效率会很差）

l = []
for s in raw_data:
    item = somefunction(s)
    if item not in l:
        l.append(item)

Answer 2

我不明白你为什么要一次性完成这个。你可以先遍历一下最开始的数据，把重复的部分去掉，或者更简单的方法是像KennyTM建议的那样，把它转换成一个set，然后再进行列表推导。

需要注意的是，即使你能引用“正在构建的列表”，你的方法还是会失败，因为s本身并不在列表里，实际上是some_function(s)的结果在。

Answer 3

以前有一种方法可以做到这一点，利用一个不被文档记录的事实，就是在构建列表的时候，它的值会存储在一个名为 _[1].__self__ 的局部变量中。不过这个方法在 Python 2.7 版本中就不再有效了（可能更早就不行了，我当时没太注意）。

如果你先设置一个外部的数据结构，你可以在一个列表推导式中实现你想要的功能。因为你之前的伪代码似乎只是用 this_list 来检查每个 s 是否已经在里面，也就是在做一个成员测试，所以我把它改成了一个叫 seen 的 set，这样可以优化性能（在一个很大的 list 中检查成员关系可能会很慢）。我说的意思是：

raw_data = [c for c in 'abcdaebfc']

seen = set()
def some_function(s):
    seen.add(s)
    return s

print [ some_function(s) for s in raw_data if s not in seen ]
# ['a', 'b', 'c', 'd', 'e', 'f']

如果你无法访问 some_function，你可以在你自己的包装函数中调用它，并在返回之前把它的返回值添加到 seen 这个集合里。

虽然这不是一个列表推导式，但我会把整个过程封装在一个函数里，这样更方便重复使用：

def some_function(s):
    # do something with or to 's'...
    return s

def add_unique(function, data):
    result = []
    seen = set(result) # init to empty set
    for s in data:
        if s not in seen:
            t = function(s)
            result.append(t)
            seen.add(t)
    return result

print add_unique(some_function, raw_data)
# ['a', 'b', 'c', 'd', 'e', 'f']

无论哪种情况，我觉得奇怪的是，你想要引用的伪代码中正在构建的列表，并不是 raw_data 值的一个子集，而是对每个值调用 some_function 的结果，也就是经过转换的数据，这自然让人好奇 some_function 到底做了什么，才能让它的返回值和现有的 raw_data 项的值匹配。