我有一个方法，它接受一个列表并返回一个对象：
# input a list, returns an object
def map_to_obj(lst):
a_list = f(lst)
return a_list[0] if a_list else None
我想获得一个列表，其中包含所有不是None 的映射元素。
像这样：
v_list = [v1, v2, v3, v4]
[map_to_obj(v) for v in v_list if map_to_obj(v)]
但是在列表推导中两次调用map_to_obj 方法似乎不太好。
有没有办法在列表推导中使用局部变量，以便获得更好的性能？
还是编译器会自动优化？
这就是我想要的：
(sml like)
[let mapped = map_to_obj(v) in for v in v_list if mapped end]
【问题讨论】：
使用嵌套列表推导：
[x for x in [map_to_obj(v) for v in v_list] if x]
或者更好的是，围绕生成器表达式的列表推导：
[x for x in (map_to_obj(v) for v in v_list) if x]
【讨论】：
lambda（实际上是任何 Python 实现的函数，理解可以内联以避免调用开销），是的，listcomp 获胜。 map/filter 如果回调函数是 C 内置函数，则可以获胜，因为它们可以将所有工作推送到 C 层，绕过字节码解释器开销，这是 listcomps 无法避免的，因为它们是 Python 级函数, 只是对附加到列表步骤的直接字节码支持。
None.__ne__ 替换 lambda t: t is not None，而它的工作方式却有点奇怪（它返回 False 其他 Nones 和 @ 987654335@，这恰好是真实的，对于其他一切），将提高该解决方案的速度（在本地测试中，filter 工作下降了近 2 倍），但以可理解性为代价。
从Python 3.8 开始，并引入assignment expressions (PEP 572)（:= 运算符），可以在列表解析中使用局部变量以避免调用两次相同的函数：
在我们的例子中，我们可以将map_to_obj(v) 的求值命名为变量o，同时使用表达式的结果来过滤列表；因此使用o 作为映射值：
[o for v in [v1, v2, v3, v4] if (o := map_to_obj(v))]
【讨论】：
变量赋值只是一个单一的绑定：
[x for v in l for x in [v]]
这是一个更一般的答案，也更接近您的建议。 所以对于你的问题，你可以写：
[x for v in v_list for x in [map_to_obj(v)] if x]
【讨论】：
使用python内置filter可以避免重新计算：
list(filter(lambda t: t is not None, map(map_to_obj, v_list)))
【讨论】：
map 返回一个映射对象而不是一个列表，filter 返回一个过滤对象；因此，这将链接函数而不创建中间列表。
reduce 来完成这项工作？
reduce 是将很多东西组合成一个东西，而不是把很多东西变成很多东西。配对的map 和filter（即listified）完成的工作相当于执行过滤和映射操作的listcomp 完成的工作。
可以在理解中设置局部变量，方法是稍微作弊并使用额外的“for”“迭代”包含局部变量所需值的 1 元素元组。这是使用这种方法解决 OP 问题的方法：
[o for v in v_list for o in (map_to_obj(v),) if o]
这里，o 是每个 v 设置为等于 map_to_obj(v) 的局部变量。
在我的测试中，这比 Lying Dog 的嵌套生成器表达式略快（并且也比 OP 对 map_to_obj(v) 的双重调用快，令人惊讶的是，如果 map_to_obj 函数是'不要太慢）。
【讨论】：
列表推导适用于简单的情况，但有时一个普通的旧 for 循环是最简单的解决方案：
other_list = []
for v in v_list:
obj = map_to_obj(v)
if obj:
other_list.append(obj)
现在如果你真的想要一个列表组合并且不想构建一个 tmp 列表，你可以使用 filter 和 map 的迭代器版本：
import itertools as it
result = list(it.ifilter(None, it.imap(map_to_obj, v_list)))
或更简单地说：
import itertools as it
result = filter(None, it.imap(map_to_obj, v_list)))
迭代器版本不构建临时列表，它们使用惰性求值。
【讨论】：
我想出了一个使用reduce的方法：
def map_and_append(lst, v):
mapped = map_to_obj(v)
if mapped is not None:
lst.append(mapped)
return lst
reduce(map_and_append, v_list, [])
这个性能怎么样？
【讨论】：
timeit 模块来计时不同的解决方案，但是您上面的 sn-p 是做一件非常简单的事情的任意过度复杂的方法 - 我怀疑它会更快或更比普通的 for 循环或 filter/imap 解决方案更节省空间......
f(lst) 调用中花费了多少 CPU，但以一种或另一种方式删除 Nones 不太可能改变整个情况。
reduce 真的不需要在这里。它用于将值列表减少为单个值（通常是标量列表为单个标量），而不是将一个列表转换为另一个列表。