Python 推导式与生成器表达式

它们都属于一种简洁的迭代语法，基本结构是：

结果表达式 for 变量 in 可迭代对象 if 条件

其中：

• for：遍历可迭代对象
• if：可选，用来筛选元素
• 最外层符号决定最终生成的对象类型

---

1. 列表推导式

语法：

[表达式 for 变量 in iterable if 条件]

结果是一个 list。

squares = [x ** 2 for x in range(5)]

print(squares)
# [0, 1, 4, 9, 16]

加入筛选条件：

even_squares = [x ** 2 for x in range(10) if x % 2 == 0]

print(even_squares)
# [0, 4, 16, 36, 64]

等价于：

even_squares = []

for x in range(10):
    if x % 2 == 0:
        even_squares.append(x ** 2)

列表推导式会立即计算所有元素，并将结果全部保存在内存中。

---

2. 集合推导式

语法：

{表达式 for 变量 in iterable if 条件}

结果是一个 set，因此元素会自动去重。

numbers = [1, 2, 2, 3, 3, 3]

result = {x ** 2 for x in numbers}

print(result)
# {1, 4, 9}

集合是无序的，因此不能依赖输出顺序。

---

3. 字典推导式

语法：

{键表达式: 值表达式 for 变量 in iterable if 条件}

结果是一个 dict。

squares = {x: x ** 2 for x in range(5)}

print(squares)
# {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}

筛选偶数：

even_squares = {
    x: x ** 2
    for x in range(10)
    if x % 2 == 0
}

字典的键必须是可哈希对象，并且重复的键会被后面的值覆盖。

---

4. 生成器表达式

语法：

(表达式 for 变量 in iterable if 条件)

结果是一个生成器对象 generator。

generator = (x ** 2 for x in range(5))

print(generator)
# <generator object ...>

生成器不会立即计算全部结果，而是在需要数据时逐个生成：

generator = (x ** 2 for x in range(5))

print(next(generator))  # 0
print(next(generator))  # 1
print(next(generator))  # 4

也可以使用循环消费：

for value in generator:
    print(value)

生成器的特点

1. 惰性计算：用到一个才计算一个。
2. 节省内存：不会一次性保存所有结果。
3. 通常只能完整遍历一次。
4. 适合处理大量数据或数据流。

generator = (x for x in range(3))

print(list(generator))
# [0, 1, 2]

print(list(generator))
# []

第二次为空，是因为生成器已经被消费完了。

严格来说，列表、集合和字典形式叫做 comprehension；圆括号形式通常叫做生成器表达式 generator expression，不叫“生成器推导式”。

---

any() 与 all()

生成器表达式经常和 any()、all() 配合使用，因为三者都支持短路计算。

1. any()

语法：

any(iterable)

只要可迭代对象中存在一个真值，就返回 True。

numbers = [1, 3, 5, 8]

result = any(x % 2 == 0 for x in numbers)

print(result)
# True

含义是：

是否至少存在一个偶数？

逻辑上类似：

for x in numbers:
    if x % 2 == 0:
        result = True
        break
else:
    result = False

any() 的短路

一旦找到第一个真值，后面的元素就不会继续检查。

any([False, False, True, False])
# 遇到 True 后即可结束

空可迭代对象：

any([])
# False

---

2. all()

语法：

all(iterable)

只有可迭代对象中的所有元素都是真值，才返回 True。

numbers = [2, 4, 6, 8]

result = all(x % 2 == 0 for x in numbers)

print(result)
# True

含义是：

是否所有数字都是偶数？

逻辑上类似：

for x in numbers:
    if not x % 2 == 0:
        result = False
        break
else:
    result = True

all() 的短路

一旦遇到第一个假值，后面的元素就不会继续检查。

all([True, True, False, True])
# 遇到 False 后即可结束

空可迭代对象：

all([])
# True

这是因为空集合中不存在“不满足条件”的元素，也称为“空真”。

---

为什么搭配生成器表达式

下面两种写法都能工作：

any([x > 100 for x in numbers])

any(x > 100 for x in numbers)

但第二种更推荐：

any(x > 100 for x in numbers)

原因是：

• 列表推导式会先计算全部结果，生成一个完整列表。
• 生成器表达式逐个计算。
• any() 找到一个 True 就结束。
• all() 找到一个 False 就结束。
• 因此生成器表达式通常更节省内存，也可能更快。

例如：

numbers = range(1_000_000)

result = any(x == 3 for x in numbers)

检查到 3 时就会立即停止，不需要处理后面的数字。

---

常用示例

判断是否存在负数

numbers = [3, 7, -2, 10]

has_negative = any(x < 0 for x in numbers)

print(has_negative)
# True

判断是否全部及格

scores = [80, 65, 90, 72]

passed = all(score >= 60 for score in scores)

print(passed)
# True

判断字符串是否包含数字

text = "Python3"

contains_digit = any(char.isdigit() for char in text)

print(contains_digit)
# True

判断密码是否全部由字母和数字构成

password = "abc123"

is_valid = all(char.isalnum() for char in password)

print(is_valid)
# True

不过这个例子中也可以直接写：

is_valid = password.isalnum()

---

外层符号总结

语法	名称	结果类型
[x for x in iterable]	列表推导式	list
{x for x in iterable}	集合推导式	set
{k: v for ...}	字典推导式	dict
(x for x in iterable)	生成器表达式	generator

记忆方式：

[]  → list
{}  → set
{:} → dict
()  → generator

最后送宝宝一句口诀：

要完整结果，用列表推导式；
要去重，用集合推导式；
要键值映射，用字典推导式；
要省内存、配合 any() 和 all()，优先用生成器表达式。