【ITニュース解説】A practical guide to List Comprehensions in Python

Pythonのリスト内包表記は、データ処理をより効率的かつ簡潔にするための強力な機能の一つである。プログラミングの学習初期段階では少し難しく感じるかもしれないが、その仕組みを理解すれば、コードをより読みやすく、書きやすくする上で非常に役立つ。

まず、リスト内包表記を理解する前に、Pythonの基本的な「forループ」について再確認する。forループは、リストのような順序付けられたデータ（イテラブルと呼ばれる）の各要素に対して、同じ処理を繰り返し実行したいときに使う。例えば、numbersというリストに[1, 2, 3, 4, 5]という数字が格納されているとして、これらの数字の二乗を計算し、その結果をsquaresという新しいリストに格納したい場合を考えてみよう。

従来のforループでは、次のように書くことになる。 まず、numbersリストを用意し、次に二乗した結果を格納するための空のリストsquaresを作成する。 その後、for number in numbers:というループを使って、numbersリストから要素を一つずつnumberという変数に取り出し、number ** 2で二乗を計算する。 そして、その結果をsquares.append()メソッドを使ってsquaresリストの末尾に追加していく。 この処理が全て終わると、squaresリストには[1, 4, 9, 16, 25]という結果が格納される。この一連の流れは、要素の取得、処理、そして結果の追加という複数のステップで構成される。

リスト内包表記は、この複数ステップの処理をたった1行のコードに凝縮する方法を提供する。先ほどの例と同じ結果を得るために、リスト内包表記を用いると、コードはsquares = [number ** 2 for number in numbers]という1行で済む。これがリスト内包表記と呼ばれるものだ。

リスト内包表記は、「既存のイテラブルから新しいリストを作成する、より短い方法」と定義できる。つまり、リストの各要素を順番に処理し、その結果を新しいリストに収集する一連の操作を、すべて1行のコードで実現する。 上記の例で言えば、従来のforループで書かれた次のコードが、

Copy
1squares = []
2for number in numbers:
3    squares.append(number ** 2)

リスト内包表記では、

Copy
1squares = [number ** 2 for number in numbers]

と、非常にシンプルになる。

このリスト内包表記の構文を分解して理解してみよう。 まず、[]（角括弧）は、新しいリストを作成していることを示している。従来のforループでは最初に空のリストを作成する必要があったが、リスト内包表記ではPythonが自動的に新しいリストを生成し、その中に計算結果を格納してくれる。 次に、for number in numbersの部分は、従来のforループでおなじみの形式である。これは、numbersリストから各要素を一つずつ取り出し、それをnumberという変数に割り当てることを意味する。 そして、number ** 2の部分は、各numberに対して実行する処理である。ここでは、numberを2乗する計算を行っている。 つまり、基本となるリスト内包表記の構文は[expression for item in iterable]の形をしており、iterableからitemを一つずつ取り出し、itemに対してexpressionで指定された処理を行い、その結果を新しいリストにまとめるという流れである。私たちの例では、number ** 2がexpression、numberがitem、numbersがiterableにあたる。

リスト内包表記は、その簡潔さから実際のデータ分析の場面でも広く活用される。例えば、データクレンジングの作業では、リスト内の文字列に対して一括で同じ処理を適用するのに非常に便利だ。 健康データセットの列名が["Patient ID", "AGE ", " Weight", "Health Facility", " County", "Insurance status"]のように、不要な空白があったり、大文字と小文字が混在していたりする場合を考える。 これを['patient id', 'age', 'weight', 'health facility', 'county', 'insurance status']のように、すべての文字列の先頭と末尾の空白を削除し、すべて小文字に統一したい場合、リスト内包表記を使えば、clean_columns = [column.strip().lower() for column in columns]と1行で記述できる。ここで、.strip()は文字列の不要な空白を取り除き、.lower()は文字列を全て小文字に変換するメソッドである。

また、探索的データ分析（EDA）の際、特定の条件に基づいてデータをフィルタリングしたい場合にもリスト内包表記は非常に強力だ。 たとえば、以下のような回答者のデータrespondentsがあるとする。各回答者はIDと健康施設からの距離を持っている。 [{"id": "HH001", "distance": 5}, {"id": "HH002", "distance": 12}, ...] この中から、健康施設から10km以上離れて住む回答者のIDだけを抽出したい場合、リスト内包表記にif条件を追加できる。 long_distance = [respondent["id"] for respondent in respondents if respondent["distance"] > 10] これにより、['HH002', 'HH004', 'HH005']という結果が得られる。if respondent["distance"] > 10という条件が、リストに含める要素をフィルタリングする役割を果たす。

さらに統計分析の場面でも、リスト内包表記は多岐にわたる用途で活用される。複数のグループに対して同じ操作を行いたい場合、非常に簡潔にコードを記述できる。 例えば、健康データが部門ごとに分類されており、各部門の「請求額（bill_amount_ksh）」データを取り出して、統計テストにかけるためのグループを作成したい場合、groups = [group["bill_amount_ksh"].dropna() for _, group in health_data.groupby("department")]のように書ける。これは、データセットを部門ごとにグループ分けし、各グループから請求額のデータを取り出し、欠損値を除外して、それらをリストにまとめる処理である。 同様に、各部門の請求額データに対して、統計的な正規性テスト（例えばShapiro-Wilkテスト）を適用したい場合も、normality_results = [shapiro(group["bill_amount_ksh"].dropna()) for _, group in health_data.groupby("department")]のように記述することで、各部門のテスト結果を効率的に収集できる。

しかし、リスト内包表記が常に最適な選択肢であるとは限らない。以下のような状況では、従来のforループの方が適している場合もある。 一つ目は、処理が非常に複雑になる場合だ。もしリスト内包表記が複数のステップを含んだり、多くの条件を組み合わせたりする必要があり、結果として1行のコードが長くなりすぎて読みにくくなるようであれば、通常のforループを使った方が、処理の流れが明確になり、可読性が高まる。 二つ目は、ループの途中でbreak（ループを中断）、continue（現在のイテレーションをスキップ）、またはtry-except（エラーハンドリング）といった詳細な制御が必要な場合である。リスト内包表記はこれらの制御構造を直接サポートしないため、より柔軟な制御が求められる状況ではforループが有利となる。 三つ目は、新しいリストを作成することが目的ではない場合だ。リスト内包表記はその名前の通り、新しいリストを作成するために設計されている。もし目的が単に値を画面に表示する、ファイルに書き込む、あるいは既存のデータを変更するといったことであれば、forループの方が自然な書き方である。 要するに、リスト内包表記を使う目的は、コードのシンプルさと明瞭さを追求することにある。もしその目的が損なわれ、コードが複雑になったり理解しにくくなったりするようであれば、迷わず従来のforループを選ぶべきである。

リスト内包表記は、最初は少し複雑に見えるかもしれないが、そのパターンを一度理解してしまえば、Pythonでのデータ処理において非常に役立つツールとなる。継続的に練習し、実際のプログラミング問題で活用していくことで、いつ、どのようにリスト内包表記を使うべきか直感的に判断できるようになり、より効率的で洗練されたコードを書けるようになるだろう。