1. 解析式
从一个问题来看解析式，现有如下需求：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。
lst = list(range(10))
lst2 =[]
for value in lst:
lst2.append((value + 1) ** 2)
print(lst2)
# 打印结果：[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
看起来很容易理解，但是这种需求竟然用了 5 行代码！下面来看一下列表解析式的写法。
[(x+1)**2 for x in range(10)]
上面的代码功能一样，但看起来非常简洁，属于 Python 的风格 (Pythonic)！
再来看一下，什么是列表解析式？在 Python 中列表解析式是一种语法糖，虽然对看似复杂的代码进行了简写，但是编译器会进行优化，不会因为简写而影响效率，反而因为优化提高了效率。另外还节省了代码量，减少了出错的机会，简化代码的同时增加了代码可读性。
2. 列表解析式
列表解析式的基本语法如下：
[返回值 for 元素 in 可迭代对象 if 条件]
- 使用中括号
[]将表达式(推导式)括起来 - 内部是
for 循环，if条件可选，可以有多个if但是不支持elif 语句 - 返回一个新的列表
有这样的赋值语句 newlist = [print(i) for i in range(10)]，请问 newlist 打印出来是什么？
In : newlist = [print(i) for i in range(10)]
0
1
2
3
4
5
6
7
8
9
In : newlist
Out:[None, None, None, None, None, None, None, None, None, None]
为什么是 None？因为表达式只会将函数的返回值作为结果，进行添加，所以当返回值是一个函数操作的对象时，一定要注意函数的返回值！
2.1. 列表解析式进阶
有的时候我们的代码需要进行两个或多个循环，列表解析式进阶版本可以满足这种需求。它的语法是：
# 语法一：
[返回值 for 元素 in 可迭代对象 if 条件表达式1 if 条件表达式2 ...]
# 等同于:
for 元素 in 可迭代对象:
if 条件表达式1：
if 条件表达式2：
返回值
# 语法二：
[返回值 for 元素1 in 可迭代对象1 for 元素2 in 可迭代对象2 ...]
# 等同于：
for 元素1 in 可迭代对象1：
for 元素2 in 可迭代对象2：
# if 也可以加条件判断
返回值[1 个或多个]
- 条件表达式可以是多个，但是不能是 elif，多个 if 是并且的关系
- 多个循环条件等同于循环嵌套，时间复杂度是 O(n * 内层循环个数)
例子：
# 20 以内，既能被 2 整除，又能被 3 整除的列表
In : [i for i in range(20) if i % 2 == 0 if i % 3 == 0]
Out: [0, 6, 12, 18]
# 20 以内，当 i 小于 3 时，j 大于 18 时，组成一个元组返回
In : [(i,j) for i in range(20) for j in range(20) if i < 3 if j > 18]
Out: [(0, 19), (1, 19), (2, 19)]
3. 其他解析式
除了列表解析式以外，Python 中还存在 集合解析式、字典解析式、生成器表达式。
3.1. 集合表达式
- 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
{}即可 - 同样是立即返回一个集合
# 20 以内，既能被 2 整除，又能被 3 整除的集合
In : {i for i in range(20) if i % 2 == 0 if i % 3 == 0}
Out: {0, 6, 12, 18}
注意集合的特性，如果生成了不可 hash 的元素比如 list，那么是不能生成集合的哦，如果元素重复，集合会去重的。
3.2. 字典解析式
- 语法：
{返回键值对(key:value) 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
{}即可 - 请使用 key：value 键值对格式
- 立即返回一个字典
# 生成一个 key 为 abcded 的字典
In : {x:y for x in 'abcdef' for y in range(10)}
Out: {'a': 9, 'b': 9, 'c': 9, 'd': 9, 'e': 9, 'f': 9}
注意字典的 key 相同时，后面的赋值会把之前的值覆盖哦，所以结果是
{'a': 9, 'b': 9, 'c': 9, 'd': 9, 'e': 9, 'f': 9}
4. 生成器表达式
为什么没有元组表达式呢？因为小括号给了一个更重要的表达式使用，那就是生成器表达式，什么是生成器表达式呢？
生成器表达式是按需计算(或者惰性求值、延迟计算)的，只有需要的时候才计算值，而列表解析式是直接返回一个新的列表，生成器是一个 可迭代对象，迭代器。在使用 type 命令判断对象类型时，generator 就表示一个生成器对象。
- 语法：
(返回值 for 元素 in 可迭代对象 if 条件表达式) - 列表解析式的中括号换成大括号
()即可 - 延迟计算(惰性计算)
- 只能迭代一次，不能回头
In : g =((i,j) for i in range(10) for j in range(20) if i<3 if j>18)
In : print(g, type(g))
<generator object <genexpr> at 0x7fe4d04a0c50> <class 'generator'>
In : for i in g:
...: print(i)
...:
(0, 19)
(1, 19)
(2, 19)
# 只能迭代一次，迭代完毕生成器就为空了哦，
4.1. 特点
注意，用括号括起来的并不是元组表达式，而变成了 生成器表达式，它本身由于惰性计算的特性和其他解析式有很多不同的特性
-
计算方式
生成器表达式延迟计算(惰性计算)，只有你去向它要，它才会给你计算，而列表解析式在你执行后，会直接给你生成一个新的列表。 -
内存占用
生成器没有数据，内存占用极少，它在使用时一个一个地返回数据，如果将这些返回的数据合起来占用的空间也和列表解析式差不多，但是它不是立即需要这么多空间。 -
计算速度
单从计算时间来看，生成器表达式耗时非常短，列表解析式时长，因为生成器本身并没有任何返回值，只是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，所以看起来更耗时了 -
遍历
当我们需要对数据进行遍历时，由于生成器是遍历一次计算一个返给你，而列表解析式执行完毕后直接返回一个新的列表不需要计算，所以性能要优于生成器表达式。
4.2. next 函数
除了遍历，我们还可以通过 next 方法 来一次一次地获取生成器的数据
In : g = ((i,j) for i in range(10) for j in range(20) if i<3 if j>18)
In : next(g)
Out:(0, 19)
In : next(g)
Out:(1, 19)
In : next(g)
Out:(2, 19)
In : next(g)
---------------------------------------------------------------------------
StopIteration Traceback(most recent call last)
<ipython-input-12-e734f8aca5ac> in <module>
----> 1 next(g)
StopIteration:
In :
next()可以理解为向生成器要一次数据(拨一下生成器)，当生成器为空时，就会提示 StopIteration 异常，for 循环帮我们对 StopIteration 异常做了处理，还没有学习异常处理的我们，该怎么办呢？其实next 方法为我们提供了默认值参数，即从生成器中拿不到数据，就返回指定的默认值:next(g[, default])。
In : g =((i,j) for i in range(10) for j in range(20) if i <3 if j> 18)
In : next(g, 'None')
Out:(0, 19)
In : next(g, 'None')
Out:(1, 19)
In : next(g, 'None')
Out:(2, 19)
In : next(g, 'None') # 生成器空了，就返回 default 指定的默认值
Out: 'None'
In : next(g, 'None')
Out: 'None'
5. 总结
Python2 引入列表解析式，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 Python 2.7，一般来说，应该多用解析式，简短、高效，不过还需要注意的是：
- 如果一个解析式非常复杂，难以读懂，可以考虑拆成 for 循环，没必要非要往列表解析式上靠
- 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
从是否可迭代来看生成器、迭代器、可迭代对象的关系是如下
