列表解析式（List Comprehension）
1、列表解析 List Comprehension
举例：生成一个列表，元素0~9，对每一个元素自增1后求平方返回新列表
# 传统做法 lst = list(range(10)) newlist = [] for i in range(len(lst)-1): newlist.append((i + 1) ** 2) print(newlist) 执行结果： [1, 4, 9, 16, 25, 36, 49, 64, 81]
# 使用列表解析式 lst = list(range(10)) print([((i + 1) ** 2) for i in lst]) 执行结果： [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
语法
[返回值 for 元素 in 可迭代对象 if 条件]
使用中括号[]，内部是for循环，if条件语句可选
返回一个新的列表
列表解析式是一种语法糖
编译器会优化，不会因为简写而影响效率，反而因优化提高了效率
减少程序员工作量，减少出错
简化了代码，但可读性增强
# 举例1:获取10以内的偶数 print([x for x in range(10) if x % 2 == 0]) 执行结果： [0, 2, 4, 6, 8]
# 举例2:newlist = [print(i) for i in range(10)]，请问打印出什么? newlist 打印出来是什么? newlist = [print(i) for i in range(10)] print(newlist) #print函数返回值为None 执行结果： 0 1 2 3 4 5 6 7 8 9 [None, None, None, None, None, None, None, None, None, None]
# 举例3:获取20以内的偶数，如果同时3的倍数也打印
# 列表解析式不允许存在else语句
print([i for i in range(20) if i % 2 == 0 or i % 3 == 0]) 执行结果： [0, 2, 3, 4, 6, 8, 9, 10, 12, 14, 15, 16, 18]
2、列表解析进阶
[expr for item in iterable if cond1 if cond2]
[expr for i in iteravle1 for j in iterable2] #两层循环
# 举例1：
print([(i,j) for i in range(7) if i > 4 for j in range(20,25) if j > 23]) print([(i,j) for i in range(7) for j in range(20,25) if i > 4 if j > 23]) print([(i,j) for i in range(7) for j in range(20,25) if i > 4 and j > 23]) 执行结果： [(5, 24), (6, 24)] [(5, 24), (6, 24)] [(5, 24), (6, 24)]
# 举例2:返回1-10平方的列表 [(x ** 2) for x in range(1,11)]
# 举例3:有一个列表lst= [1,4,9,16,2,5,10,15], 生成一一个新列表，要求新列表元素是Ist相邻2项的和 lst= [1,4,9,16,2,5,10,15] newlist = [(lst[i] + lst[i+1]) for i in range(len(lst) - 1)] print(newlist)
3、生成器表达式 Generator expression
语法：
(返回值 for 元素 in 可迭代对象 if 条件)
列表解析式的中括号换成小括号就行了
返回一个生成器
和列表解析式的区别：
生成器表达式是按需计算(或称惰性求值、延迟计算)，需要的时候才计算值
列表解析式是立即返回值
生成器：
可迭代对象
迭代器
g = ("{:04}".format(i) for i in range(1,11)) print(g) next(g) for i in g: print(i) 执行结果： <generator object <genexpr> at 0x000002771C5B3548> 0002 0003 0004 0005 0006 0007 0008 0009 0010
总结：
延迟计算
返回迭代器，可以迭代
从前到后走完一遍，不能回头
而列表：
立即计算
返回的不是迭代器，返回可迭代对象列表
从前到后走完一遍，可以重新回头迭代
# 思考：
it = (print("{}".format(i+1) for i in range(2))) first = next(it) #1 second = next(it) #2 val = first + second 执行结果： <generator object <genexpr> at 0x000001B2AE19E548> Traceback (most recent call last): ...... first = next(it) TypeError: 'NoneType' object is not an iterator
# 因为 first,second 返回值为None
# 思考： it = (x for x in range(10) if x % 2) # x % 2 = 1 输出 first = next(it) # 1 second = next(it) # 3 val = first + second # 4 print(val) 执行结果： 4 # first，second 的返回值为 1,3
生成器表达式和列表解析式的对比
1> 计算方式
生成器表达式延迟计算，列表解析式立即计算
2> 内存占用
单从返回值本身来说，生成器表达式省内存，列表解析式返回新的列表
生成器没有数据，内存占用极少，它是使用时一个个返回数据。如果将这些返回的数据合起来占用的内存也和列表解析式差不多。但是，它不需要立即占用这么多内存。
列表解析式构造新的列表需要立即占用内存，不管你是否立即使用这么多数据
3> 计算速度
单看计算时间看，生成器表达式耗时非常短，列表解析式耗时长
但是生成器本身并没有返回任何值，只返回了一个生成器对象
列表解析式构造并返回了一个新的列表，所以看起来耗时了
4、集合解析式
语法：
{返回值 for 元素 in 可迭代对象 if 条件}
列表解析式的中括号换成大括号{}就行了
立即返回一个集合
用法：
print({(x, x + 1) for x in range(10)}) 执行结果： {(0, 1), (1, 2), (7, 8), (6, 7), (4, 5), (5, 6), (8, 9), (9, 10), (2, 3), (3, 4)}
print({[x] for x in range(10)}) #新建一个集合，集合的元素要求可哈希，执行错误
5、字典解析式
语法：
{返回值 for 元素 in 可迭代对象 if 条件}
列表解析式的中括号换成大括号{}就行了
使用key:value形式
立即返回一个字典
用法：
print({x:(x,x+1) for x in range(10)}) 执行结果： {0: (0, 1), 1: (1, 2), 2: (2, 3), 3: (3, 4), 4: (4, 5), 5: (5, 6), 6: (6, 7), 7: (7, 8), 8: (8, 9), 9: (9, 10)}
print({x:[x,x+1] for x in range(10)})
执行结果：
{0: [0, 1], 1: [1, 2], 2: [2, 3], 3: [3, 4], 4: [4, 5], 5: [5, 6], 6: [6, 7], 7: [7, 8], 8: [8, 9], 9: [9, 10]}
print({(x,):[x,x+1] for x in range(10)})
print({[x]:[x,x+1] for x in range(10)}) #key:[x]不可哈希
print({chr(0x41+x):x**2 for x in range(10)}) 执行结果： {'A': 0, 'B': 1, 'C': 4, 'D': 9, 'E': 16, 'F': 25, 'G': 36, 'H': 49, 'I': 64, 'J': 81}
print({str(x):y for x in range(3) for y in range(4)}) #覆盖 执行结果： {'0': 3, '1': 3, '2': 3}
6、总结：
Python2弓|入列表解析式
Python2.4引入生成器表达式
Python3引入集合、字典解析式，并迁移到了2.7
一般来说，应该多应用解析式，简短、高效
如果一个解析式非常复杂，难以读懂，可以考虑拆解成for循环
生成器和迭代器是不同的对象，但都是可迭代对象
可迭代对象范围更大，都可以使用for循环遍历
