这篇“Python列表推导与生成器表达式怎么应用”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Python列表推导与生成器表达式怎么应用”文章吧。
内置序列类型
python中有很多的序列类型，主要可以分为以下两类：
容器序列：能存放不同数据类型的数据的序列。（list, tuple, collections.deque）
扁平序列：只能容纳一种类型的序列。（str, bytes, bytearray, memoryview, array.array）
说明：扁平序列储存的是一段连续的内存空间，而容器序列存放的是它们包含的任意类型对象的引用。
另外，序列类型还可以从可修改与不可修改的角度进行分类，主要能被分成以下两类：
可变序列：list, bytearray, array.array, collections.deque, memoryview
不可变序列：str, tuple, bytes
为了深入的讨论可变序列与不可变序列的差异，我们看下面这个UML图：
在上图中，继承从子类指向超类，可以看到可变序列（MutableSequence）继承了不可变序列（Sequence）的很多方法。与此同时，通过UML图我们也可以更直观的发现其不同的地方，这有助于我们了解后续的内置序列类型的差异。
列表推导与生成器表达式
列表推导
相信大家已经对基础的序列类型list有了初步的了解与认识，但当我们想要创建一个新的数组时，往往会想到使用for循环遍历生成。
其实在python中还存在一种构建列表的方法叫做列表推导(list comprehension)，它是构建列表的快捷方式，同时也能够使你的代码更加易读与简洁。假设我们需要创建从0到10的一个列表，我们来看下面的两段代码：
# 不使用列表推导 example_list_01 = [] for i in range(10): example_list_01.append(i) print(example_list_01) >>> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# 列表推导 example_list_01 = [i for i in range(10)] print(example_list_01) >>> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
相信大部分人第一时间都会考虑使用第一种方法进行列表的创建，但明显使用了列表推导（生成器表达式推导列表）的例子看起来更加简便且易读。我们再来看一个更复杂的例子，假设我们想要寻找10以内的偶数，我们看下面两段代码：
# 不使用列表推导 example_list_02 = [] for i in range(10): if i % 2 == 0: example_list_02.append(i) print(example_list_02)
# 列表推导 example_list_02 = [i for i in range(10) if i % 2 == 0] print(example_list_02)
显然，下面的代码可读性更强且更为简单。另外，使用filter也能够完成上述的功能，但是可读性并不强。我们使用filter完成上述功能的代码如下：
example_list_03 = list(filter(lambda i: i % 2 == 0, range(10))) print(example_list_03)
显然，这样的可读性并不强。
在列表推导中，我们还可以将自己的函数或者python内置函数直接对生成的数组进行处理，请看下面这个例子：
def deal(num): return '处理过的' + str(num) deal_list = [deal(i) for i in range(10)] print(deal_list ) >>> ['处理过的0', '处理过的1', '处理过的2', '处理过的3', '处理过的4', '处理过的5', '处理过的6', '处理过的7', '处理过的8', '处理过的9']
最后，我们再用列表推导表达式尝试计算笛卡尔积并与for循环完成的相同的功能做对比，请看下面的代码：
colors = ['红色','蓝色','绿色']
clothes = ['上衣','裤子','运动鞋']
clothes_list_01 = []
for color in colors:
for clothe in clothes:
clothes_list_01.append((color,clothe))
print('未使用列表推导：',clothes_list_01)
clothes_list_02 = [(color,clothe) for color in colors for clothe in clothes]
print('使用列表推导：',clothes_list_01)结果如下：
未使用列表推导： [('红色', '上衣'), ('红色', '裤子'), ('红色', '运动鞋'),
('蓝色', '上衣'), ('蓝色', '裤子'), ('蓝色', '运动鞋'), ('绿色', '上衣'), ('绿色', '裤子'), ('绿色', '运动鞋')]
使用列表推导： [('红色', '上衣'), ('红色', '裤子'), ('红色', '运动鞋'),
('蓝色', '上衣'), ('蓝色', '裤子'), ('蓝色', '运动鞋'), ('绿色', '上衣'), ('绿色', '裤子'), ('绿色', '运动鞋')]
可以看到输出的结果是完全相同的，但是利用列表推导的代码更为简洁。
生成器表达式
虽然使用上述的列表推导语法也可以生成元组等其他类型的序列，但是使用生成器表达式会更好。生成器并不是先建立一个完整的列表再将其传递到某个构造函数内，而是逐个产出元素，这会更加的节省内存。
我们看下面几个例子，用来了解生成器表达式是如何生成字典与元组的。
# 使用生成器表达式构建字典
dict_transform_list = [('APPLE', '苹果'), ('BNANA', '香蕉'), ('PEAR', '梨子')]
dict_01 = {key: value for key,value in dict_transform_list}
>>>{'APPLE': '苹果', 'BNANA': '香蕉', 'PEAR': '梨子'}# 使用生成器表达式构建元组 tuple_01 = tuple(i for i in range(10)) >>>(0, 1, 2, 3, 4, 5, 6, 7, 8, 9)