Python中的 list comprehension 以及 generator

一个小故事

三年前，我在一篇博客里不无自豪的记录了python编写的小函数，当时感觉python真强大，11行代码就写出了一个配置文件的解析器。

def loadUserInfo(fileName):

userinfo = {}

file = open(fileName, "r")

while file:

line = file.readline()

if len(line) == 0:

break

if line.startswith('#'):

continue

key, value = line.split("=")

userinfo[key.strip()] = value.strip()

return userinfo

最近正在跟同事学习python在数据挖掘中的应用，又专门学习了一下python本身，然后用list comprehension简化了以下上面的代码：

def loadUserInfo(file):

return dict([line.strip().split("=")

for line in open(file, "r")

if len(line) > 0 and not line.startswith("#")])

这个函数和上面的函数的功能一样，都是读取一个指定的key=value格式的文件，然后构建出来一个映射（当然，在Python中叫做字典）对象，该函数还会跳过空行和#开头的行。

比如，我想要查看一下.wgetrc配置文件：

if __name__ == "__main__":

print(loadUserInfo("/Users/jtqiu/.wgetrc"))

假设我的.wgetrc文件配置如下：

http-proxy=10.18.0.254:3128

ftp-proxy=10.18.0.254:3128

#http_proxy=10.1.1.28:3128

use_proxy=yes

则上面的函数会产生这样的输出：

{'use_proxy': 'yes', 'ftp-proxy': '10.18.0.254:3128', 'http-proxy': '10.18.0.254:3128'}

list comprehension（列表推导式）

在python中，list comprehension（或译为列表推导式）可以很容易的从一个列表生成另外一个列表，从而完成诸如map, filter等的动作，比如：

要把一个字符串数组中的每个字符串都变成大写：

names = ["john", "jack", "sean"]

result = []

for name in names:

result.append(name.upper())

如果用列表推导式，只需要一行：

[name.upper() for name in names]

结果都是一样：

['JOHN', 'JACK', 'SEAN']

另外一个例子，如果想要过滤出一个数字列表中的所有偶数：

numbers = [1, 2, 3, 4, 5, 6]

result = []

for number in numbers:

if number % 2 == 0:

result.append(number)

如果写成列表推导式

[x for x in numbers if x%2 == 0]

结果也是一样：

[2, 4, 6]

显然，列表推导更加短小，也更加表意。

迭代器

在了解generator之前，我们先来看一个迭代器的概念。有时候我们不需要将整个列表都放在内存中，特别是当列表的尺寸比较大的时候。

比如我们定义一个函数，它会返回一个连续的整数的列表：

def myrange(n):

num, nums = 0, []

while num < n:

nums.append(num)

num += 1

return nums

当我们计算诸如myrange(50)或者myrange(100)时，不会有任何问题，但是当获取诸如myrange(10000000000)的时候，由于这个函数的内部会将数字保存在一个临时的列表中，因此会有很多的内存占用。

因此在python有了迭代器的概念：

class myrange(object):

def __init__(self, n):

self.i = 0

self.n = n

def __iter__(self):

return self

# for python 3

def __next__(self):

return self.next()

def next(self):

if self.i < self.n:

i = self.i

self.i += 1

return i

else:

raise StopIteration()

这个对象其实实现了两个特殊的方法：__iter__（对于python3来说，是__next__）和next方法。其中next每次只返回一个值，如果迭代已经结束，就抛出一个StopIteration的异常。实现了这两个方法的类都可以算作是一个迭代器，他们可以被用于可迭代的上下文中，比如：

>>> from myrange import myrange

>>> x = myrange(10)

>>> x.next()

>>> x.next()

>>> x.next()

但是可以看到这个函数中有很多的样板代码，因此我们有了生成器表达式来简化这个过程：

def myrange(n):

num = 0

while num < n:

yield num

num += 1

注意此处的yield关键字，每次使用next来调用这个函数时都会求值一次num并返回，具体的细节可以参考这里。

区别

简单来说，两者都可以在迭代器上下文中使用，看起来几乎是一样的。不同的地方是generator可以节省内存空间，从而提高执行速度。generator更适合一次性的列表处理，比如只是需要一个中间列表作为转换。而列表推导则更适合要将列表保存下来，以备后续使用的场景。

这里也有一些讨论，可以一并参看。