列表解析

在需要改變列表而不是需要新建某列表時，可以使用列表解析。列表解析表達式為：

[expr for iter_var in iterable]   
[expr for iter_var in iterable if cond_expr]  

第一種語法：首先迭代iterable里所有內容，每一次迭代，都把iterable里相應內容放到iter_var中，再在表達式中應用該iter_var的內容，最后用表達式的計算值生成一個列表。

第二種語法：加入了判斷語句，只有滿足條件的內容才把iterable里相應內容放到iter_var中，再在表達式中應用該iter_var的內容，最后用表達式的計算值生成一個列表。

舉例如下：

>>> L= [(x+1,y+1) for x in range(3) for y in range(5)]   
>>> L  
[(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (3, 1), (3, 2), (3, 3), (3, 4), (3, 5)] 

>>> N=[x+10 for x in range(10) if x>5]  
>>> N  
[16, 17, 18, 19] 

newlist=[x+5 for x in olderlist if x>10] 

一個更復雜的例子：

<span style="font-size: 14px;">>>> num = [j for i in range(2, 8) for j in range(i*2, 50, i)]  
>>> num  
[4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 6,
 9, 12, 15, 18, 21, 24, 27, 30, 33, 36, 39, 42, 45, 48, 8, 12, 16, 20, 24, 28, 32, 36, 40, 
44, 48, 10, 15, 20, 25, 30, 35, 40, 45, 12, 18, 24, 30, 36, 42, 48, 14, 21, 28, 35, 42, 49]  
</span>  

>>> words = 'The quick brown fox jumps over the lazy dog'.split()  
>>> words  
['The', 'quick', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog']  
>>> stuff = [[w.upper(), w.lower(), len(w)] for w in words]  
>>> for i in stuff:  
    print i  
 
      
['THE', 'the', 3]  
['QUICK', 'quick', 5]  
['BROWN', 'brown', 5]  
['FOX', 'fox', 3]  
['JUMPS', 'jumps', 5]  
['OVER', 'over', 4]  
['THE', 'the', 3]  
['LAZY', 'lazy', 4]  
['DOG', 'dog', 3]  

上述代碼的map()實現：

>>> stuff = map(lambda w: [w.upper(), w.lower(), len(w)], words)  
>>> for i in stuff:  
...     print i  
...   
['THE', 'the', 3]  
['QUICK', 'quick', 5]  
['BROWN', 'brown', 5]  
['FOX', 'fox', 3]  
['JUMPS', 'jumps', 5]  
['OVER', 'over', 4]  
['THE', 'the', 3]  
['LAZY', 'lazy', 4]  
['DOG', 'dog', 3] 

生成器表達式

生成器表達式是在python2.4中引入的，當序列過長， 而每次只需要獲取一個元素時，應當考慮使用生成器表達式而不是列表解析。生成器表達式的語法和列表解析一樣，只不過生成器表達式是被()括起來的，而不是[]，如下：

(expr for iter_var in iterable)   
(expr for iter_var in iterable if cond_expr) 

例：

>>> L= (i + 1 for i in range(10) if i % 2)  
>>> L  
<generator object <genexpr> at 0xb749a52c>  
>>> L1=[]  
>>> for i in L:  
...     L1.append(i)  
...   
>>> L1  
[2, 4, 6, 8, 10] 

生成器表達式并不真正創建數字列表， 而是返回一個生成器，這個生成器在每次計算出一個條目后，把這個條目“產生”(yield)出來。 生成器表達式使用了“惰性計算”(lazy evaluation，也有翻譯為“延遲求值”，我以為這種按需調用call by need的方式翻譯為惰性更好一些)，只有在檢索時才被賦值( evaluated)，所以在列表比較長的情況下使用內存上更有效。A generator object in python is something like a lazy list. The elements are only evaluated as soon as you iterate over them.

一些說明：

1. 當需要只是執行一個循環的時候盡量使用循環而不是列表解析，這樣更符合python提倡的直觀性。

for item in sequence:  
    process(item) 

2. 當有內建的操作或者類型能夠以更直接的方式實現的，不要使用列表解析。

例如復制一個列表時，使用：L1=list(L)即可，不必使用：

L1=[x for x in L] 

3. 當序列過長， 而每次只需要獲取一個元素時，使用生成器表達式。

4. 列表解析的性能相比要比map要好，參考http://www.qingliangcn.com/2010/02/list-comprehensions%E4%B8%8Elist-map%E6%80%A7%E8%83%BD%E5%AF%B9%E6%AF%94/
 

原文鏈接：http://www.cnblogs.com/moinmoin/archive/2011/03/10/lsit-comprehensions-generators.html

【編輯推薦】

1. 自制Python函數幫助查詢小工具
2. 巧用IronPython做更靈活的網頁爬蟲
3. 淺談Python Web的五大框架
4. 一個Python程序員的進化
5. 年度黑馬Python 自省指南