列表推导式和生成器是 Python 中的两个非常有用的工具。它们可以帮助你以简洁和高效的方式创建和处理数据集合。了解它们的用法不仅可以让代码更加简洁，还能提升代码的执行效率。
1. 列表推导式
列表推导式（List Comprehension）是一种简洁的创建列表的方式。通过它，能够用一行代码生成列表，而不需要像传统方式那样使用循环。
1.1 基本语法
|
1 |
new_list = [expression for item in iterable if condition] |
- expression：在每个元素上执行的操作，结果会存入新的列表。
- item：从可迭代对象中获取的元素。
- iterable：可以是列表、元组、集合、字符串等任何可迭代对象。
- condition（可选）：对元素进行筛选，只有满足条件的元素才会被添加到新的列表中。
1.2 示例
创建一个包含1到10平方值的列表：
|
1 2 |
squares = [x**2 for x in range(1, 11)] print(squares) # 输出：[1, 4, 9, 16, 25, 36, 49, 64, 81, 100] |
带条件的列表推导式：
只保留偶数的平方：
|
1 2 |
even_squares = [x**2 for x in range(1, 11) if x % 2 == 0] print(even_squares) # 输出：[4, 16, 36, 64, 100] |
使用多个循环的列表推导式：
创建一个包含(1, 2), (1, 3), (2, 2), (2, 3)的列表：
|
1 2 |
pairs = [(x, y) for x in range(1, 3) for y in range(2, 4)] print(pairs) # 输出：[(1, 2), (1, 3), (2, 2), (2, 3)] |
2. 生成器表达式
生成器表达式（Generator Expression）与列表推导式非常相似，但不同的是，生成器表达式不会一次性将所有结果存储在内存中，而是每次迭代时动态生成数据。这使得生成器在处理大量数据时比列表推导式更高效。
2.1 基本语法
|
1 |
generator = (expression for item in iterable if condition) |
生成器表达式的语法与列表推导式几乎相同，只是使用了圆括号而不是方括号。
2.2 示例
生成一个生成器表达式：
|
1 2 |
gen = (x**2 for x in range(1, 11)) print(gen) # 输出：<generator object <genexpr> at 0x...> |
要获取生成器中的元素，可以使用 next() 函数或将其转为列表：
|
1 2 |
print(next(gen)) # 输出：1 print(next(gen)) # 输出：4 |
将生成器转为列表：
|
1 2 |
gen_list = list(gen) print(gen_list) # 输出：[9, 16, 25, 36, 49, 64, 81, 100] |
2.3 生成器的优势
生成器的主要优势在于它节省内存。生成器一次只生成一个值，而不是像列表那样一次性将所有元素加载到内存中。因此，生成器在处理非常大的数据集时非常有用。
例如：生成前 100 万个数字的平方
使用生成器：
|
1 2 |
large_gen = (x**2 for x in range(1, 1000001)) print(next(large_gen)) # 输出：1 |
与列表推导式相比，生成器几乎不占用额外内存，而列表推导式会创建一个 100 万元素的列表。
3. 列表推导式 vs 生成器表达式
| 特性 | 列表推导式 | 生成器表达式 |
|---|---|---|
| 括号 | 方括号 [] | 圆括号 () |
| 返回类型 | 列表 | 生成器 |
| 内存消耗 | 会一次性加载所有元素到内存中 | 每次迭代动态生成，内存占用小 |
| 适用场景 | 适合处理较小的数据集 | 适合处理大数据集或惰性计算 |
| 可修改性 | 生成的列表可以修改 | 生成器是只读的，不能修改 |
4. 小结
- 列表推导式：用于创建新的列表，写法简洁、执行快速，适用于需要返回完整列表的场景。
- 生成器表达式：用于创建生成器，节省内存，适合处理大数据集或惰性计算的场景。
掌握列表推导式与生成器，不仅可以让代码更加简洁易读，还能有效提升代码性能，在不同的应用场景中选择合适的工具将大大提高代码效率。
