列表解析
在需要改變列表而不是需要新建某列表時，可以使用列表解析。列表解析表達式為：
[expr for iter_var in iterable] [expr for iter_var in iterable if cond_expr]
第一種語法：首先迭代iterable里所有內容，每一次迭代，都把iterable里相應內容放到iter_var中，再在表達式中應用該iter_var的內容，最后用表達式的計算值生成一個列表。
第二種語法：加入了判斷語句，只有滿足條件的內容才把iterable里相應內容放到iter_var中，再在表達式中應用該iter_var的內容，最后用表達式的計算值生成一個列表。
舉例如下：
代碼如下:
>>> L= [(x+1,y+1) for x in range(3) for y in range(5)]
>>> L
[(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (3, 1), (3, 2), (3, 3), (3, 4), (3, 5)]
>>> N=[x+10 for x in range(10) if x>5]
>>> N
[16, 17, 18, 19]
生成器表達式
生成器表達式是在python2.4中引入的，當序列過長， 而每次只需要獲取一個元素時，應當考慮使用生成器表達式而不是列表解析。生成器表達式的語法和列表解析一樣，只不過生成器表達式是被（）括起來的，而不是[]，如下：
代碼如下:
(expr for iter_var in iterable)
(expr for iter_var in iterable if cond_expr)
例：
代碼如下:
>>> L= (i + 1 for i in range(10) if i % 2)
>>> L
<generator object <genexpr> at 0xb749a52c>
>>> L1=[]
>>> for i in L:
... L1.append(i)
...
>>> L1
[2, 4, 6, 8, 10]
生成器表達式并不真正創建數字列表， 而是返回一個生成器，這個生成器在每次計算出一個條目后，把這個條目“產生”(yield)出來。 生成器表達式使用了“惰性計算”(lazy evaluation，也有翻譯為“延遲求值”，我以為這種按需調用call by need的方式翻譯為惰性更好一些)，只有在檢索時才被賦值（ evaluated），所以在列表比較長的情況下使用內存上更有效。A generator object in python is something like a lazy list. The elements are only evaluated as soon as you iterate over them.
一些說明：
1. 當需要只是執行一個循環的時候盡量使用循環而不是列表解析，這樣更符合python提倡的直觀性。
代碼如下:
for item in sequence:
process(item)
2. 當有內建的操作或者類型能夠以更直接的方式實現的，不要使用列表解析。
例如復制一個列表時，使用：L1=list（L）即可，不必使用：
代碼如下:
L1=[x for x in L]
3. 如果需要對每個元素都調用并且返回結果時，應使用L1=map(f,L), 而不是 L1=[f(x) for x in L]
