Python 列表推导式与生成器表达式的高阶玩法

在 Python 开发中，处理列表数据是家常便饭。很多新手习惯使用传统的 for 循环来过滤和转换数据，但这不仅代码冗长，执行效率也相对较低。今天我们来聊聊 Python 中极具特色的语法糖——列表推导式（List Comprehension），以及它的进阶内存优化版：生成器表达式。

一、 列表推导式：一行代码搞定过滤与转换

假设我们有一个包含大量整数的列表，需要筛选出所有的偶数，并将它们平方。

传统的 for 循环写法：

numbers = [1, 2, 3, 4, 5, 6]
result = []
for num in numbers:
    if num % 2 == 0:
        result.append(num ** 2)

使用列表推导式，只需一行代码：

result = [num ** 2 for num in numbers if num % 2 == 0]

列表推导式的底层是用 C 语言实现的，它避免了在每次循环中调用 append 方法的额外开销，执行速度通常比传统循环快 20% 到 30%。

二、 嵌套推导式：优雅地处理二维矩阵

当面对多维数据结构时，推导式依然能保持优雅。比如将一个二维矩阵展平为一维列表：

matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
# 将矩阵展平，并过滤掉大于 5 的数字
flattened = [num for row in matrix for num in row if num <= 5]
# 结果: [1, 2, 3, 4, 5]

注意嵌套推导式的执行顺序是从左到右，这与传统嵌套 for 循环的书写顺序完全一致，非常符合直觉。

三、 警惕内存刺客

虽然列表推导式很爽，但当你处理百万级甚至千万级数据时，它会瞬间吃光你的内存，因为它会一次性将所有结果加载到内存中。

此时，你只需要把方括号 [] 换成圆括号 ()，它就变成了生成器表达式（Generator Expression）：

# 列表推导式：立即生成完整列表，占用大量内存
list_comp = [x**2 for x in range(1000000)] 

# 生成器表达式：惰性求值，几乎不占内存
gen_exp = (x**2 for x in range(1000000)) 

生成器不会立即计算结果，而是返回一个迭代器对象。当你遍历它时，它才会按需（Yield）生成下一个值。在处理大文件读取、海量数据库查询结果时，生成器表达式是绝对的内存救星。