一、什么是推导式

对于list列表，set集合，dict字典，在原有数据上根据条件生成新的数据就是推导式。

它可以帮助我们把一个序列或者其它可迭代类型中的元素过滤或加工,然后再新建一个列表，集合或字典
如：列表推导式,两侧用[]包围

num = [1,2,3,4,5]
double_num = [ n*2 for n in num ]
# double_num = [ 2,4,6,8,10 ]

二、为什么使用推导式

使用推导式具有更高的可读性并且更高效;

三、`可读性`与`高效`

如果我们要在一份列表的基础上筛选生成新的列表，那么直接在迭代中增加 / 删除列表元素是不可取的，可能会造成问题。

num = [4, 8, 13, 9, 7, 10]
for index, value in enumerate(num):
    if value < 10:
        del num[index]

print(num) # [8, 13, 7, 10]

我们要对列表进行筛选，就需要提前准备一个空列表[]

new_num = []
num = [4, 8, 13, 9, 7, 10]
for index, value in enumerate(num):
    if value >= 10:
        new_num.append(value)

print(new_num)  # [13, 10]

这样下来对一个过滤功能我们就写了4行代码，使事情复杂了。
而使用列表推导式在一行中就可以完成

new_num = [ n for n in num if n >= 10 ]

推导式的筛选条件放在最后

同样，使用字典推导式也是如此，只需要将两边的[]换成{}

例如我们收到一份请求信息，需要对数据进行初步验证，筛选

    query_params = {
        'name': '',
        'password': '',
        'user': 2,
        'address': '',
    }

    # 筛选有效的数据
    validated_query_params = {
        name: value
        for name, value in query_params.items()
        if value
    }

    # 返回给上一步的提交者
    detail_message = '必填项'
    errors_data = {
        name: detail_message
        for name, value in query_params.items()
        if not value
    }
    print(validated_query_params)  # {'user': 2}
    print(errors_data)  # {'name': '必填项', 'password': '必填项', 'address': '必填项'}

当然，我们也可以提前构造dict容器，然后再将数据填充到容器中，但是使用推导式可以获取更高的性能，且一目了然。

四、列表生成式

使用列表推导式可以生成一个新的列表，但对数据比较大的情况下，我们可以使用列表生成式，生成一个生成器，它仅仅是将两侧的[]改成()

# file 可能是一个很大的文件
# 我们也不能确定它到底有多少行

(line for line in file)

init_list = range(100000000)
double_num = (n * 2 for n in init_list)
print(type(double_num))  # <class 'generator'>

print(next(double_num))  # 0
print(next(double_num))  # 2
print(next(double_num))  # 4

列表生成式与函数式生成器生成的结果是一致的，但是列表生成式更简单明了。

以下是我们使用函数来实现

init_list = range(100000000)

def double_gene(init):
    for value in init:
        yield value * 2

double_num = double_gene(init_list)
print(type(double_num))  # <class 'generator'>

print(next(double_num))  # 0
print(next(double_num))  # 2
print(next(double_num))  # 4