Python中的列表推导式与生成器表达式

描述：
列表推导式（List Comprehension）和生成器表达式（Generator Expression）是Python中用于快速创建列表或生成器的简洁语法。它们允许通过一行代码对可迭代对象进行转换或过滤，但两者在内存使用和适用场景上有显著差异。列表推导式直接生成完整的列表对象，而生成器表达式则生成一个惰性计算的迭代器，节省内存但只能遍历一次。

解题过程：

1. 列表推导式的基本结构

   • 语法：[expression for item in iterable if condition]
   • 示例：将列表中的每个元素平方并过滤偶数：

     numbers = [1, 2, 3, 4, 5]
     squared_evens = [x**2 for x in numbers if x % 2 == 0]
     # 结果：[4, 16]
     

   • 执行过程：
     • 遍历numbers中的每个元素x；
     • 检查条件x % 2 == 0，若为真则计算x**2；
     • 将所有结果存入新列表并返回。

2. 生成器表达式的结构与特点

   • 语法：(expression for item in iterable if condition)
   • 示例：用生成器实现上述逻辑：

     gen = (x**2 for x in numbers if x % 2 == 0)
     print(list(gen))  # 输出：[4, 16]
     

   • 关键区别：
     • 生成器表达式不会立即计算所有值，而是返回一个生成器对象；
     • 每次通过next(gen)或循环遍历时，才动态计算下一个值；
     • 生成器只能被遍历一次，遍历结束后再次使用会返回空。

3. 内存效率对比

   • 列表推导式：一次性生成所有数据，占用内存与数据量成正比。
   • 生成器表达式：仅保存计算状态，占用固定内存，适合处理大规模数据。
   • 示例：计算1到1000万的平方和：

     # 列表推导式（内存开销大）
     sum([x**2 for x in range(1, 10000001)])
     
     # 生成器表达式（内存友好）
     sum(x**2 for x in range(1, 10000001))
     

4. 适用场景总结

   • 使用列表推导式：
     • 需要重复访问数据；
     • 数据量较小或需要索引切片等操作。
   • 使用生成器表达式：
     • 数据量巨大，需避免内存溢出；
     • 只需单次遍历（如求和、查找最大值等）。

5. 进阶技巧：嵌套与多重循环

   • 列表推导式支持嵌套循环，例如生成矩阵的扁平化列表：

     matrix = [[1, 2], [3, 4]]
     flat = [x for row in matrix for x in row]  # 结果：[1, 2, 3, 4]
     

   • 生成器表达式同样支持嵌套，但需注意惰性计算特性。

通过以上步骤，可以清晰理解两者语法差异及如何根据场景选择合适工具。