在写 Python 代码的过程中，不论是新手还是老手大概都用过列表推导式。它们简洁、快速。我曾经几乎把它们当成万能工具：循环、过滤、数据转换，统统交给它。
但问题也随之而来。代码越来越难读，逻辑被压缩在一行行复杂的表达式里，调试简直是噩梦。直到某天，我终于决定停下来，换一种更清晰、可维护的写法。
为什么我不再沉迷于使用列表推导式
先说清楚：列表推导式并没有错。对于简单的操作，它们仍然是非常优雅的工具。比如：
result = [f(x) for x in data if x > 0 and isinstance(x, int)]这种情况完全没问题。
可一旦逻辑变复杂，比如同时包含条件分支和过滤，情况就变得糟糕了：
result = [f(x) if x > 0 else g(x) for x in data if isinstance(x, int) and not is_ignored(x)]这时，代码的可读性几乎坠落谷底。你写的已经不是“给人看的代码”，而是“写给解释器的谜题”。
三种替代方案
当逻辑复杂时，我更倾向于选择更清晰的写法。它们可能没有一行代码那么高级，但阅读、调试和维护的体验要好太多。
首先是 生成器函数。当逻辑需要多步处理时，生成器的 yield 显得格外优雅。
def transform_data(data):
for x in data:
if not isinstance(x, int) or is_ignored(x):
continue
yield f(x) if x > 0 else g(x)
result = list(transform_data(data))这种写法一目了然，逻辑被清晰拆解出来，既省内存又容易调试。
其次是 map() 与 filter() 的组合。配合具名函数使用时，它们表达力更强，还能在不同地方复用逻辑。
def is_valid(x):
return isinstance(x, int) and not is_ignored(x)
def transform(x):
return f(x) if x > 0 else g(x)
result = list(map(transform, filter(is_valid, data)))最后，是很多人嫌弃“啰嗦”的 传统 for 循环。事实上，在复杂逻辑里，它们往往是最可读、最不容易出错的选择。
result = []
for x in data:
if not isinstance(x, int) or is_ignored(x):
continue
if x > 0:
result.append(f(x))
else:
result.append(g(x))读起来毫无压力，团队协作时更是加分项。
关于性能
有人会说：列表推导式更快啊！
没错，它们确实在很多情况下比 for 循环快一些。但别忘了，大多数日常场景下，这种性能差距微乎其微。
相比之下，代码可读性和可维护性的重要性要高得多。除非你在写需要处理上百万数据的高性能核心模块，否则大可不必为那点性能纠结。
我仍然会用列表推导式的时候
当然，工具各有适用场景。我并没有完全抛弃列表推导式，只是更谨慎地使用它。
简单的转换：[x * 2 for x in numbers]。
单一条件过滤：[x for x in items if x != '']。
可控的嵌套场景，比如矩阵的扁平化。
前提是逻辑足够直观、能一眼看懂，那它依旧是我的首选。
一定记得代码是给人看的
过去，我总把写得短当成一种能力的证明。后来我发现，真正重要的是写得清楚。
现在的我更关心：
- 半年后再回头，能不能轻松读懂这段代码？
- 同事能否快速理解逻辑？
- 当需求变化时，能不能少踩坑、少出 bug？
如果你也习惯一行行列表推导式，不妨试试换个方式。下一次遇到复杂逻辑时，用生成器或者 for 循环重写一遍，然后退一步再读。
如果那一刻你觉得逻辑更清晰了，那就说明你升级了。写代码不是炫技，而是和未来的自己、和团队沟通。记住这句话：代码写给人看的，机器只是顺带执行。
