列表解析
在需要改變列表而不是需要建立某列表時，可以使用列表解析。列表解析運算式為：
[expr for iter_var in iterable] [expr for iter_var in iterable if cond_expr]
第一種文法：首先迭代iterable裡所有內容，每一次迭代，都把iterable裡相應內容放到iter_var中，再在運算式中應用該iter_var的內容，最後用運算式的計算值產生一個列表。
第二種文法：加入了判斷語句，只有滿足條件的內容才把iterable裡相應內容放到iter_var中，再在運算式中應用該iter_var的內容，最後用運算式的計算值產生一個列表。
舉例如下：
複製代碼 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]
產生器運算式
產生器運算式是在python2.4中引入的，當序列過長， 而每次只需要擷取一個元素時，應當考慮使用產生器運算式而不是列表解析。產生器運算式的文法和列表解析一樣，只不過產生器運算式是被（）括起來的，而不是[]，如下：
複製代碼 代碼如下:
(expr for iter_var in iterable)
(expr for iter_var in iterable if cond_expr)
例：
複製代碼 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]
產生器運算式並不真正建立數字列表， 而是返回一個產生器，這個產生器在每次計算出一個條目後，把這個條目“產生”(yield)出來。 產生器運算式使用了“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記憶體上更有效。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迴圈的時候盡量使用迴圈而不是列表解析，這樣更符合python提倡的直觀性。
複製代碼 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。
例如複製一個列表時，使用：L1=list（L）即可，不必使用：
複製代碼 代碼如下:
L1=[x for x in L]
3. 如果需要對每個元素都調用並且返回結果時，應使用L1=map(f,L), 而不是 L1=[f(x) for x in L]
