Python 列表推导式和生成器表达式有什么区别？

简化版

列表推导式用 []，会立即生成完整列表；生成器表达式用 ()，不会一次性生成所有结果，而是按需惰性产出。数据量小、需要多次遍历时用列表推导式；数据量大、只迭代一次时生成器表达式更省内存。

详细版

列表推导式：

squares = [x * x for x in range(5)]
print(squares)  # [0, 1, 4, 9, 16]

生成器表达式：

squares = (x * x for x in range(5))
print(squares)       # <generator object ...>
print(list(squares)) # [0, 1, 4, 9, 16]

区别：

对比项	列表推导式	生成器表达式
语法	`[...]`	`(...)`
计算方式	立即计算	惰性计算
返回值	list	generator
内存	一次性保存所有结果	按需产生，更省内存
是否可重复遍历	可以	通常只能消费一次

例子：

total = sum(x * x for x in range(10_000_000))

这里用生成器表达式，不需要先创建一个巨大列表。

完整版教学

一、先抓住本质：一个造结果，一个造流水线

列表推导式的目标是“现在就把结果列表造出来”，所以表达式执行结束后，内存里已经有了完整的 list。生成器表达式的目标是“记住怎么算，下次要值时再算”，所以它返回的是一个 generator 迭代器，里面保存了当前位置和计算逻辑。这个差异会直接影响内存占用、是否能重复遍历、异常出现时机和调试方式。

nums = range(5)
lst = [x * x for x in nums]
gen = (x * x for x in nums)

print(lst)       # [0, 1, 4, 9, 16]
print(next(gen)) # 0
print(next(gen)) # 1

可以把列表推导式想成一次性把 5 个盒子摆在桌面上；生成器表达式则像一个水龙头，每拧一次才流出一个值。假设每个元素最终约占 28 字节，100 万个整数光元素对象就可能是几十 MB 级别，还没算列表指针数组；而生成器本身只保存迭代状态，峰值内存通常小得多。

二、列表推导式为什么适合构造可复用结果

result = []
for x in range(5):
    if x % 2 == 0:
        result.append(x * x)

列表推导式：

result = [x * x for x in range(5) if x % 2 == 0]

它简洁、表达力强，适合把一个可迭代对象转换成列表。这里的重点不是“写得短”，而是结果确实需要作为列表继续使用：比如要取长度、按下标访问、排序、多次遍历、传给只接受列表的旧接口。因为结果已经在内存中，len(result) 是 O(1)，result[2] 可以直接下标访问。

names = ["tom", "jerry", "spike"]
upper_names = [name.upper() for name in names]

print(len(upper_names)) # 3
print(upper_names[1])   # JERRY

但不要为了“显得 Pythonic”把推导式写成谜语。如果出现两层以上嵌套、复杂条件、或者中间还要记录日志，普通 for 循环往往更清楚。面试里说“列表推导式可读性更好”要加前提：逻辑简单、目标是构造列表。

三、生成器表达式为什么适合流式处理

生成器表达式不会立刻计算全部元素：

gen = (x * x for x in range(3))

print(next(gen))  # 0
print(next(gen))  # 1
print(next(gen))  # 4

它像一条流水线，需要一个值时才算一个值。sum(x * x for x in range(10_000_000)) 不会先创建一个包含 1000 万个平方数的列表，而是每次取一个 x * x 加到累计值里。若写成 sum([x * x for x in range(10_000_000)])，中间列表会先占一大块内存，然后再被 sum 消费，内存峰值明显更高。

场景	更适合	原因
只求总和、最大值、是否存在	生成器表达式	消费一次即可，不必保存全部
结果要排序、切片、复用	列表推导式	需要完整序列
逐行处理大日志	生成器表达式	文件流式读取，降低峰值内存
小列表转换并展示	列表推导式	简洁且成本可控

例如：

with open("access.log", encoding="utf-8") as f:
    error_lines = (line for line in f if "ERROR" in line)
    for line in error_lines:
        print(line)

这里不会一次性把所有错误日志读入内存。

四、生成器为什么通常只能消费一次

生成器是有状态的迭代器，被遍历后就前进了。

gen = (x for x in range(3))

print(list(gen))  # [0, 1, 2]
print(list(gen))  # []

第二次为空，因为第一次已经消费完。生成器内部有一个“当前位置”，每次 next() 都向前走一步，走到尽头后抛出 StopIteration，后续遍历就没有元素了。这个特性很适合流式处理，但如果你打算重复使用结果，就应该提前转成列表。

流程可以这样理解：

创建 gen -> next 得到 0 -> next 得到 1 -> next 得到 2 -> StopIteration
                ↑             ↑             ↑
             状态前进       状态前进       状态前进到末尾

如果确实要多次遍历，可以写 nums = list(gen) 把结果存下来，或者重新创建一个新的生成器表达式。不要把同一个生成器传给两个消费方，否则第一个消费方可能已经把数据“吃完”。

五、语法细节和异常时机也不同

当生成器表达式作为函数唯一参数时，外层括号可以省略：

sum((x * x for x in range(10)))
sum(x * x for x in range(10))

两者等价，第二种更常见。

但如果还有其他参数，生成器表达式自己的括号不能省：

print(*(x for x in range(3)), sep=",")

还有一个细节：列表推导式会立即执行内部表达式，所以异常会在创建列表时出现；生成器表达式通常在真正迭代时才执行内部表达式。这个差异会影响调试和资源释放。

lst = [10 // x for x in [2, 1, 0]]   # 这里立刻 ZeroDivisionError

gen = (10 // x for x in [2, 1, 0])   # 创建 gen 时还不报错
next(gen)  # 5
next(gen)  # 10
next(gen)  # 这里才 ZeroDivisionError

易错点：生成器表达式“创建成功”不代表里面的逻辑已经跑过；错误、数据库访问、文件读取等副作用，往往会推迟到消费阶段才发生。

六、推导式不要滥用副作用

不推荐这样写：

[print(x) for x in range(3)]

列表推导式的目的是构造列表，而不是为了执行副作用。上面会创建一个 [None, None, None] 的临时列表，语义不清楚。需要打印时直接用循环：

for x in range(3):
    print(x)

如果推导式只是为了副作用，还会制造无意义的中间结果。比如 [print(x) for x in range(3)] 实际得到 [None, None, None]，只是没人用这个列表。面试时可以说：推导式适合表达“映射 + 过滤 + 构造结果”，副作用明显的逻辑用普通循环，更利于维护。

七、常见误区与追问

误区：生成器表达式一定比列表推导式快。 它主要省内存，速度要看场景；小数据量下列表推导式可能因为连续内存和一次性执行更直接，反而不慢。
误区：圆括号表达式都是生成器。 (x) 只是普通表达式，(x for x in data) 才是生成器表达式；单元素元组还要写 (x,)。
误区：生成器可以像列表一样随便取下标。 generator 没有随机访问能力，想取第 100 个元素只能迭代过去，或者先转成列表。
追问：为什么 sum(x*x for x in nums) 外层括号能省？ 因为生成器表达式是函数唯一实参时，语法允许省略它自己的括号；有其他参数时不能省。
追问：生成器表达式会捕获变量吗？ 会按闭包和迭代规则保存计算所需环境，循环变量在表达式自己的局部作用域中，不会像 Python 2 的列表推导式那样泄漏到外层。
追问：列表推导式能替代 map/filter 吗？ 很多场景可以，而且可读性更好；但如果已有现成函数且要惰性流水线，map、filter 或生成器表达式也合适。

八、加强记忆

把这题记成“方括号是成品仓库，圆括号是生产流水线”：列表推导式一次性生产完整列表，适合复用、下标访问和排序；生成器表达式只保存生产规则和当前位置，适合大数据、流式处理和只消费一次。回答时再补上两个边界：生成器通常不能重复遍历，异常和副作用可能推迟到消费阶段发生。

简化版

详细版