Python中的列表推导式与生成器表达式

1. 基本概念与背景

列表推导式和生成器表达式是 Python 中用于快速创建列表或生成器的语法糖。它们的核心目的是简化循环和条件判断的代码结构，使代码更简洁、可读性更强。两者的主要区别在于：

• 列表推导式：直接生成一个完整的列表，占用内存存储所有元素。
• 生成器表达式：生成一个生成器对象，按需逐个生成元素（惰性求值），节省内存。

2. 列表推导式的详细步骤

语法结构：

[expression for item in iterable if condition]

• expression：对当前元素的处理表达式（如 x*2）。
• item：迭代变量。
• iterable：可迭代对象（如列表、字符串等）。
• if condition：可选的条件过滤。

逐步示例：

需求：将列表 [1, 2, 3, 4, 5] 中的每个元素平方，并仅保留偶数。

传统写法：

result = []
for x in [1, 2, 3, 4, 5]:
    if x % 2 == 0:
        result.append(x**2)
print(result)  # 输出 [4, 16]

列表推导式写法：

result = [x**2 for x in [1, 2, 3, 4, 5] if x % 2 == 0]

执行步骤分解：

1. 遍历列表中的每个元素 x。
2. 判断 x % 2 == 0，若为 False 则跳过当前元素。
3. 对满足条件的 x 计算 x**2，将结果加入新列表。
4. 最终返回完整列表 [4, 16]。

3. 生成器表达式的详细步骤

语法结构：

(expression for item in iterable if condition)

（注意：使用圆括号而非方括号！）

示例：

gen = (x**2 for x in [1, 2, 3, 4, 5] if x % 2 == 0)

关键特性：

• 此时 gen 是一个生成器对象，不会立即计算所有值。
• 通过 next(gen) 或循环逐个获取值：

  print(next(gen))  # 输出 4
  print(next(gen))  # 输出 16
  

• 生成器只能遍历一次，遍历结束后再次调用 next() 会抛出 StopIteration 异常。

内存效率对比：

假设需处理大量数据（如 1000 万条记录）：

• 列表推导式会直接生成一个包含 1000 万个元素的列表，占用大量内存。
• 生成器表达式仅保存计算规则，每次产生一个值，内存占用极低。

4. 进阶用法与注意事项

多重循环与嵌套：

列表推导式支持多重循环（如扁平化二维列表）：

matrix = [[1, 2], [3, 4]]
flatten = [x for row in matrix for x in row]  # 输出 [1, 2, 3, 4]

执行顺序：先遍历 matrix 中的每个 row，再遍历 row 中的每个 x。

条件表达式的灵活使用：

• 条件判断可放在循环前（用于过滤）或表达式后（用于赋值逻辑）：

  # 过滤偶数，奇数替换为0
  result = [x if x % 2 == 0 else 0 for x in range(5)]  # 输出 [0, 0, 2, 0, 4]
  

生成器表达式与函数结合：

生成器可直接作为函数参数，避免额外括号：

sum(x**2 for x in range(10))  # 直接计算平方和，无需生成中间列表

5. 使用场景总结

6. 常见面试问题示例

1. “如何将二维列表转换为一维列表？”

   • 使用嵌套循环的列表推导式：[x for row in matrix for x in row]。

2. “处理大文件时如何避免内存溢出？”

   • 使用生成器表达式逐行处理：(line.strip() for line in open('file.txt'))。

3. “以下代码的区别？”

   [x for x in range(10)]    # 立即返回列表
   (x for x in range(10))    # 返回生成器对象
   

通过以上步骤，你可以灵活选择两种表达式优化代码的效率和可读性。