python列表生成器

1.语法格式：
基础语法格式

[exp for iter_var in iterable]

工作过程：

• 迭代iterable中的每个元素；
• 每次迭代都先把结果赋值给iter_var，然后通过exp得到一个新的计算值；
• 最后把所有通过exp得到的计算值以一个新列表的形式返回。

相当于这样的过程：

L = []
for iter_var in iterable:
    L.append(exp)

带过滤功能语法格式

[exp for iter_var in iterable if_exp]

工作过程：

• 迭代iterable中的每个元素，每次迭代都先判断if_exp表达式结果为真，如果为真则进行下一步，如果为假则进行下一次迭代；
• 把迭代结果赋值给iter_var，然后通过exp得到一个新的计算值；
• 最后把所有通过exp得到的计算值以一个新列表的形式返回。

相当于这样的过程：

L = []
for iter_var in iterable:
    if_exp:
        L.append(exp)

循环嵌套语法格式

[exp for iter_var_A in iterable_A for iter_var_B in iterable_B]

工作过程：
每迭代iterable_A中的一个元素，就把ierable_B中的所有元素都迭代一遍。

相当于这样的过程：

L = []
for iter_var_A in iterable_A:
    for iter_var_B in iterable_B:
        L.append(exp)

1. 应用场景
   其实列表生成式也是Python中的一种“语法糖”，也就是说列表生成式应该是Python提供的一种生成列表的简洁形式，应用列表生成式可以快速生成一个新的list。它最主要的应用场景是：根据已存在的可迭代对象推导出一个新的list。

2. 使用实例
   我们可以对几个生成列表的要求分别通过“不使用列表生成式”和“使用列表生成式”来实现，然后做个对比总结。

实例1：生成一个从3到10的数字列表

不使用列表生成式实现

list1 = list(range(3, 11))

使用列表生成式实现

list2 = [x for x in range(3, 11)]

实例2：生成一个2n+1的数字列表，n为从3到11的数字

不使用列表生成式实现

list3 = []
for n in range(3, 11):
    list3.append(2*n + 1)

使用列表生成式实现

list4 = [2*n + 1 for n in range(3, 11)]

实例3：过滤掉一个指定的数字列表中值大于20的元素
L = [3， 7， 11， 14，19， 33， 26， 57， 99]

不使用列表生成式实现

list5 = []
for x in L:
    if x < 20:
        list5.append(x)

使用列表生成式实现

list6 = [x for x in L if x < 20]

实例4：计算两个集合的全排列，并将结果作为保存至一个新的列表中
L1 = [‘香蕉’, ‘苹果’, ‘橙子’]
L2 = [‘可乐’, ‘牛奶’]

不使用列表生成式实现

list7 = []
for x in L1:
    for y in L2:
        list7.append((x, y))

使用列表生成式实现

list8 = [(x, y) for x in L1 for y in L2]

实例5：将一个字典转换成由一组元组组成的列表，元组的格式为(key, value)
D = {‘Tom’: 15, ‘Jerry’: 18, ‘Peter’: 13}

不使用列表生成式实现

list9 = []
for k, v in D.items():
    list9.append((k, v))

使用列表生成式实现

list10 = [(k, v) for k, v in D.items()]

可见，使用列表生成式确实要方便、简洁很多，使用一行代码就搞定了。

1. 列表生成式与map()、filter()等高阶函数功能对比
   我觉得，大家应该已经发现这里说的列表生成式的功能与之前 这篇文章 中讲到的map()和filter()高阶函数的功能很像，比如下面两个例子：

实例1：把一个列表中所有的字符串转换成小写，非字符串元素原样保留
L = [‘TOM’, ‘Peter’, 10, ‘Jerry’]

用列表生成式实现

list1 = [x.lower() if isinstance(x, str) else x for x in L]

用map()函数实现

list2 = list(map(lambda x: x.lower() if isinstance(x, str) else x, L))
实例2：把一个列表中所有的字符串转换成小写，非字符串元素移除
L = [‘TOM’, ‘Peter’, 10, ‘Jerry’]

用列表生成

list3 = [x.lower() for x in L if isinstance(x, str)]map()和filter()

函数实现

list4 = list(map(lambda x: x.lower(), filter(lambda x: isinstance(x, str), L)))

对于大部分需求来讲，使用列表生成式和使用高阶函数都能实现。但是map()和filter()等一些高阶函数在Python3中的返回值类型变成了Iteraotr（迭代器）对象（在Python2中的返回值类型为list），这对于那些元素数量很大或无限的可迭代对象来说显然是更合适的，因为可以避免不必要的内存空间浪费。

四、可迭代对象（Iterable）
我们经常在Python的文档中看到“Iterable”这个此，它的意思是“可迭代对象”。那么什么是可迭代对象呢？
可直接用于for循环的对象统称为可迭代对象（Iterable）。

目前我们已经知道的可迭代（可用于for循环）的数据类型有：

集合数据类型：如list、tuple、dict、set、str等
生成器（Generator）
可以使用isinstance()来判断一个对象是否是Iterable对象：

from collections import Iterable
print(isinstance([], Iterable))
五、迭代器（Iterator）
1. 迭代器的定义
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

很明显上面讲的生成器也是迭代器。当然，我们可以使用isinstance()来验证一下：

from collections import Iterator
print(isinstance((x for x in range(5)), Iterator))
输出结果为：True

1. 对迭代器的理解
   实际上，Python中的Iterator对象表示的是一个数据流，Iterator可以被next()函数调用被不断返回下一个数据，直到没有数据可以返回时抛出StopIteration异常错误。可以把这个数据流看做一个有序序列，但我们无法提前知道这个序列的长度。同时，Iterator的计算是惰性的，只有通过next()函数时才会计算并返回下一个数据。（此段内容来自 这里）

生成器也是这样的，因为生成器也是迭代器。

六、Iterable、Iterator与Generator之间的关系
生成器对象既是可迭代对象，也是迭代器： 我们已经知道，生成器不但可以作用与for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。也就是说，生成器同时满足可迭代对象和迭代器的定义；
迭代器对象一定是可迭代对象，反之则不一定： 例如list、dict、str等集合数据类型是可迭代对象，但不是迭代器，但是它们可以通过iter()函数生成一个迭代器对象。
也就是说：迭代器、生成器和可迭代对象都可以用for循环去迭代，生成器和迭代器还可以被next()方函数调用并返回下一个值。

转自：https://www.cnblogs.com/yyds/p/6281453.html