##【前言】
大家好，这里是 Charming讲Python编码小技巧 系列专栏。每天分享一个 30-seconds-of-python 仓库中的神级写法，助你告别“屎山”代码，写出让人眼前一亮的 Pythonic 风格！

1. 小技巧内容描述

你在清洗数据时一定见过这种“脏列表”：

• None
• False
• 0
• 空字符串 ''

这些无效值会干扰统计、筛选、展示。今天这个技巧就是：一行过滤掉列表中的 falsy 值。

def compact(lst):
  return list(filter(None, lst))

调用示例：

compact([0, 1, False, 2, '', 3, 'a', 's', 34])
# [1, 2, 3, 'a', 's', 34]

一句话：把杂乱输入，快速变成可用数据。

2. 为什么这么用

为什么推荐这写法？

• 极简高效：filter(None, lst) 语义清楚、代码很短。
• 数据清洗高频：预处理阶段几乎天天会用到。
• 可复用性强：日志、接口返回、表单数据都适用。

例子1：清理表单提交结果

raw_form = ['张三', '', None, '北京', False]
print(compact(raw_form))
# ['张三', '北京']

做入库前处理时，先清空值，能减少后续异常。

例子2：处理接口返回列表

api_items = [None, {'id': 1}, {}, False, {'id': 2}]
print(compact(api_items))
# [{'id': 1}, {'id': 2}]

列表中混入空值是常见问题，这一步能快速“净化”数据。

例子3：日志字段预过滤

fields = ['ERROR', '', 'payment', None, 'timeout']
print(compact(fields))
# ['ERROR', 'payment', 'timeout']

做日志关键词分析前，先过滤无效字段，结果更准确。

3. 更多实用场景

• 爬虫抓取结果的空内容清理
• 特征工程前的样本字段预处理
• 导出报表前的空值字段过滤
• 消息队列消费时的无效载荷剔除

4. 和其他常规方案的性能对比情况

常规方案通常是：

• 方案A：手写 for 循环 + if item + append
• 方案B：列表推导式 [x for x in lst if x]

对比来看：

• filter(None, lst) 与列表推导式都属于单次遍历，性能思路相近（常见 O(n)）
• filter(None, lst) 在“只做过滤”场景语义更聚焦
• 手写循环更啰嗦，可读性和复用性都偏弱

5. 进阶技巧

• 若你不想过滤 0，可改成自定义条件（如仅过滤 None 和空串）。
• 对字符串列表可先 strip() 再 compact，连空白字符串一起处理。
• 在流水线处理中可与 map()、group_by 组合，形成清洗 + 转换一体链路。

6. 总结

compact 是数据清洗中的高性价比技巧：写法短、效果直观、复用价值高。遇到“列表里掺杂无效值”的场景，直接拿来就能用。

点赞 + 收藏，明天继续解锁一个 30-seconds-of-python 神级技巧！