在 Python 中，列表推导式和生成器是用于处理迭代数据的两种方法。它们有着相似的语法，但在底层实现和用途上有着显著的区别。
列表推导式（List Comprehensions）
列表推导式是一种快速创建列表的方式，其语法形式为：
new_list = [expression for item in iterable if condition]
其中：
expression 是对 item 的操作或表达式。
item 是在可迭代对象（如列表、元组、字符串等）中的每个元素。
iterable 是可迭代对象，用于提供 item。
condition 是一个可选的条件，用于筛选生成列表时的元素。
示例 1: 生成平方数列表
假设我们想生成一个包含 1 到 10 的数字的平方的列表：
squared = [x ** 2 for x in range(1, 11)] print(squared) 输出：[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
示例 2: 筛选偶数
even_numbers = [x for x in range(1, 11) if x % 2 == 0] print(even_numbers) # 输出：[2, 4, 6, 8, 10]
示例 3: 字符串处理
words = ["hello", "world", "python", "is", "awesome"] capitalized = [word.upper() for word in words] print(capitalized) # 输出：['HELLO', 'WORLD', 'PYTHON', 'IS', 'AWESOME']
生成器（Generators）
生成器是一种用于惰性计算数据的方式，它们允许按需逐个生成值，而不是一次性生成所有值。生成器使用 yield 语句来产生数据。
创建生成器的语法：
def generator_function(): for item in iterable: yield expression
示例 1: 生成斐波那契数列的生成器
def fibonacci_generator(n): a, b = 0, 1 count = 0 while count < n: yield a a, b = b, a + b count += 1 fib = fibonacci_generator(10) print(list(fib)) 输出：[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
示例 2: 无限序列的生成器
def infinite_sequence(): num = 0 while True: yield num num += 1 inf_seq = infinite_sequence() for i in range(5): print(next(inf_seq)) # 输出：0, 1, 2, 3, 4
示例 3: 大数据集的处理
data = [2, 4, 6, 8, 10, 12, 14, 16, 18, 20] # 对数据集中的每个数进行平方运算，但不立即生成新的列表，而是按需生成 squared_gen = (x ** 2 for x in data) print(next(squared_gen)) # 输出：4 print(next(squared_gen)) # 输出：16
列表推导式 vs. 生成器
内存消耗：列表推导式会立即生成所有元素并存储在内存中，而生成器则按需生成值，节省内存空间。
惰性计算：生成器实现了惰性计算，逐个产生值，适用于处理大型数据集或无限序列。
应用场景
列表推导式：适用于需要立即获得完整列表的场景。
生成器：适用于需要按需生成值、处理大量数据或无限序列的场景。
总结
列表推导式和生成器是 Python 中用于处理迭代数据的重要工具。列表推导式适用于立即生成完整列表的场景，而生成器则按需生成值，节省内存空间，适用于处理大量数据或无限序列的场景。
