Po tej lekcji będziesz potrafić:

• wybierać jasne operacje na kolekcjach w stylu Pythona, nie zastępując każdej pętli wyrażeniem listowym.
• łączyć czyszczenie napisów, wyrażenia listowe i sortowanie, pozostawiając kolekcje wejściowe bez zmian.
• zachowywać relacje między sparowanymi rekordami, filtrując po ich sparowaniu.
• budować niezawodne raporty wieloetapowe z jawnymi regułami dla pustych danych i stabilną kolejnością.

Kod w stylu Pythona to nie kod o najmniejszej liczbie znaków. To kod, który jasno przekazuje intencję za pomocą narzędzi Pythona.

Użyj wyrażenia listowego (comprehension), aby zbudować nową kolekcję. Użyj zwykłej pętli for, gdy celem jest widoczny efekt uboczny, na przykład wypisanie każdego wiersza, lub gdy w jednej iteracji zmienia się kilka elementów stanu. Użyj zip() dla naprawdę dopasowanych sekwencji, enumerate(), gdy liczy się numer, oraz sorted(), aby zwrócić nową uporządkowaną listę bez modyfikowania źródła.

Częsty błąd danych pojawia się, gdy filtrujesz dwie dopasowane listy osobno: ich pozostałe pozycje mogą przestać do siebie pasować. Najpierw sparuj powiązane wartości, a potem przefiltruj połączone rekordy.

Niezawodny raport jest zwykle składany w jasnych etapach: normalizacja → wybór → przekształcenie → uporządkowanie → raport. Zmaterializuj kolekcję pośrednią, gdy musisz ją obejrzeć dwa razy; w przeciwnym razie użyj wyrażenia generatorowego dla jednoprzebiegowej agregacji lub sprawdzenia.

Dla wyniku gotowości samo all() nie wystarcza, jeśli pusty zestaw sprawdzeń ma być uznany za zablokowany. Sformułuj regułę biznesową jawnie: wymagaj niepustych sprawdzeń oraz zaliczenia każdego sprawdzenia.

1. Przekształcenie kolekcji bez jej modyfikowania

raw_regions = ["  US  ", "eu", " APAC "]
regions = [region.strip().lower() for region in raw_regions]
print(regions)
print(raw_regions[0])

Wynik:

['us', 'eu', 'apac']
  US  

Dane wejściowe pozostają nietknięte; nowa lista zawiera znormalizowane wartości.

2. Parowanie przed filtrowaniem

jobs = ["api", "queue", "mail"]
owners = ["Maya", "Omar", "Lina"]

active_pairs = [(job, owner) for job, owner in zip(jobs, owners) if job != "queue"]
print(active_pairs)

Wynik:

[('api', 'Maya'), ('mail', 'Lina')]

Wspólne filtrowanie par zachowuje informację, który właściciel należy do którego zadania.

3. Efekty uboczne wypisywania w czytelnej pętli

services = ["api", "db"]
for position, service in enumerate(services, start=1):
    print(f"{position}. {service}")

Wynik:

1. api
2. db

Zwykła pętla jest jaśniejsza niż wyrażenie listowe używane tylko do wypisywania.

4. Jawne reguły gotowości przy pustych danych

checks = ["PASS", "pass"]
normalized = [item.strip().lower() for item in checks]
ready = bool(normalized) and all(item == "pass" for item in normalized)
print(f"Ready: {ready}")

Wynik:

Ready: True

Gdyby lista sprawdzeń była pusta, zabezpieczenie bool(normalized) zapobiegłoby przypadkowemu wynikowi „gotowe”.

1. Nie używaj wyrażeń listowych wyłącznie dla ich efektów ubocznych.
2. Nie filtruj dopasowanych sekwencji osobno przed zip().
3. Nie modyfikuj danych źródłowych, gdy wymagana jest czysta nowa kolekcja.
4. Nie zakładaj, że all([]) oznacza, iż sprawdzono prawdziwą partię.
5. Nie poświęcaj czytelności tylko po to, by zmieścić cały przepływ w jednym wyrażeniu.