1 解析式
从一个问题来看解析式，现有如下需求：生成一个列表，元素0-9，对每一个元素自增1后求平方返回新列表。
看起来很容易理解，但是这种需求竟然用了5行代码！下面来看一下列表解析式的写法。
看起来非常简洁，属于Python的风格！哈哈
再来看一下，什么是列表解析式？在Python中列表解析式是一种语法糖，虽然对看似复杂的代码进行了简写，但是编译器会进行优化，不会因为简写而影响效率，反而因为优化提高了效率。另外还介绍了代码量，减少了出错的机会，还简化了代码，增加了代码可读性。
2 列表解析式
列表解析式的基本语法是如下
[ 返回值for元素in可迭代对象if条件]
使用中括号将表达式(推导式)括起来
内部是for循环，if条件可选，可以是多个但是不支持elif语句
返回一个新的列表
有这样的赋值语句 newlist = [ print(i) for i in range(10) ]，请问newlist打印出来是什么？
为什么是None？因为表达式只会将函数的返回值作为结果，进行添加，所以当返回值是一个函数操作的对象时，一定要注意函数的返回值！
2.1 列表解析式进阶
有的时候我们的代码需要进行两个或多个循环，列表解析式进阶版本可以满足这种需求哦。它的语法是：
条件表达式可以是多个，但是不能是elif，多个if是并且的关系
多个循环条件等同于循环嵌套，时间复杂度是O(n*内层循环个数)
例子：
3 其他解析式
除了列表解析式以外，Python中还存在集合解析式、字典解析式、’元组解析式’。
可不是什么元组解析式，这行小字你看不到，可不怪我哦。
3.1 集合表达式
语法：{ 返回值 for 元素 in 可迭代对象 if 条件 }
列表解析式的中括号换成大括号{}即可
同样是立即返回一个集合
注意集合的特性，如果生成了不可hash的元素比如list，那么是不能生成集合的哦，如果元素重复，集合会去重的哦
3.2 字典解析式
语法：{ 返回值(key:value) for 元素 in 可迭代对象 if 条件 }
列表解析式的中括号换成大括号{}即可
请使用key：value格式
立即返回一个字典
注意字典的key相同时，后面的赋值会把之前的值覆盖哦，所以结果是{‘a’: 9, ‘b’: 9, ‘c’: 9, ‘d’: 9, ‘e’: 9, ‘f’: 9}
4 生成器表达式
如果你是从上倒下看的，那么你可能会奇怪，说好的元组表达式呢？如果你是直接跳转过来的，那么请忽略前面这句话。那什么是生成器表达式呢？
生成器表达式是按需计算(或者惰性求值、延迟计算)的，只有需要的时候才计算值，而列表解析式是直接返回一个新的列表，生成器是一个可迭代对象，迭代器。在使用type命令判断对象类型时，generator 就表示一个生成器对象
语法：( 返回值 for 元素 in 可迭代对象 if 条件表达式 )
列表解析式的中括号换成大括号()即可
延迟计算(惰性计算)
只能迭代一次，不能回头
4.1 特点
没错，用括号括起来的并不是元组表达式，而变成了生成器表达式，它本身由于惰性计算的特性和其他解析式有很多不同的特性
计算方式
生成器表达式延迟计算(惰性计算)，只有你去向它要，它才会给你计算，而列表解析式在你执行后，会直接给你生成一个新的列表。
内存占用
生成器没有数据，内存占用极少，它是使用时一个一个返回数据，如果将这些返回的数据合起来占用的空间也和列表解析式差不多，但是它不是立即需要这么多空间
计算速度
单看计算时间来看，生成器表达式耗时非常短，列表解析式时长，因为生成器本身并没有任何返回值，只是返回了一个生成器对象，列表解析式构造并返回了一个新的列表，所以看起来更耗时了
遍历
当我们需要对数据进行遍历时，由于生成器是遍历一次计算一个返给你，而列表解析式执行完毕后直接返回一个新的列表不需要计算，所以性能要优于生成器表达式。
4.2 next函数
除了遍历我们还可以通过next方法来一次一次的获取生成器的数据
next()可以理解为向生成器要一次数据(拨一下生成器)，当生成器为空时，就会提示StopIteration异常，for循环帮我们对StopIteration异常做了处理，还没有学习异常处理的我们，该怎么办呢？其实next方法为我们提供了默认值参数，即从生成器中拿不到数据，就返回指定的默认: next(g[, default])。
5 总结
Python2 引入列表解析式,Python2.4引入生成器表达式,Python3 引入集合、字典解析式，并迁移到了Python 2.7，一般来说，应该多用解析式，简短、高效不过还需要注意的是：
如果一个解析式非常复杂，难以读懂，可以考虑拆成for循环，没必要非要网列表解析式上靠
生成器和迭代器是不同的对象，但都是可迭代对象
可迭代对象范围更大，都可以使用for循环遍历
