python 列表解析

为什么：

1. 代码精简，易维护
2. 比普通的循环效率更高，但对大数据列表解析不适合，可能会暂用大量内存，导致MemoryError

是什么：

语法： [expr for iter_item in iterable if cond_expr]

>>>a = [' Are', 'you', 'Ok?', 1, 2]

>>> [x for x in a if isinstance(x,int)]

[1, 2]

支持多重嵌套：

>>> a=[['i','am'],['wxl','!']]

>>> [[x.upper() for x in item] for item in a]

[['I', 'AM'], ['WXL', '!']]

多重迭代：

>>> a

[1, 2, 3, 4]

>>> b

[3, 5]

>>> [ m+n for m in a for n in b if m == n ]

[6]

表达式（expr）可以是简单的或者复杂的表达式，甚至是函数

1. >>> def f(v):

　　　... return '+' if v>0 else '-'

　　>>> [f(v) for v in [-1,0,1,2] ]

　　['-', '-', '+', '+']

　2.  >>> ['+' if v>0 else '-' for v in [-1,0,1,2] ]

　　　['-', '-', '+', '+']

iterable可以时任意的可迭代对象：

>>> f=open("test")

>>> [i.strip() for i in f]

['I', 'am', 'wxl']

生成器表达式：（expr for iter_item in iterable if cond_expr）

生成器的使用场景：序列过长， 而每次只需要获取一个元素时

A generator object in python is something like a lazy list. The elements are only evaluated as soon as you iterate over them

有些像惰性的列表，只有当需要的时候才会生成

>>> a=[1,2,3,4]

>>> (i, for i in a if i>2)                #只是生成迭代器 next可访问

当函数接收可迭代对象参数时，可以使用生成器简写

>>> def f(a):

... for i in a:

... print i

>>> f((1,))            #注意元组（1，）不是（1），否则报错'int' object is not iterable

1

>>> p=open("test")

>>> f(p)

I

am

wxl

>>> f(i for i in range(3) if i%2 == 0)

0

2