1. 用列表推导取代 map 与 filter

因为不需要写 lambda 表达式。
可以很容易地跳过原列表中的某些数据。

# 列表推导l = [i for i in range(5)]
# [0, 1, 2, 3, 4]
print(l)# 字典推导d = {i: i ** 2 for i in range(5)}
# {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
print(d)

2. 控制推导逻辑的子表达式不要超过两个

推导的时候，可以使用多个 if 条件。如果这些 if 条件出现在同一层循环内，那么它们之间默认是 and 关系，也就是必须同时成立。
在推导时，每一层的 for 子表达式都可以带有 if 条件

在表示推导逻辑时，最多只应该写两个子表达式（例如两个 if 条件、两个 for 循环，或者一个 if 条件与一个 for 循环）否则，应该采用 if 和 for 语句来实现，或编写辅助函数。

3. 用赋值表达式消除推导中的重复代码

编写推导式与生成器表达式时，可以在描述条件的那一部分通过赋值表达式定义变量，并在其他部分复用该变量，可使程序简单易读。

建议赋值表达式只出现在推导逻辑的条件之中。

4. 不要让函数直接返回列表，应该让它逐个生成列表里的值

使用生成器可以降低对内存的消耗。
生成器函数所返回的迭代器是有状态的，无法重复调用。

5. 谨慎地迭代函数所收到的参数

函数和方法收到的参数如果要迭代许多次，那就要小心，如果这些参数是迭代器的话，就可能得不到预期的值。

Python 的迭代器协议确定了容器与迭代器应该怎样跟内置的 iter 及 next 函数、for 循环及相关的表达式交互:

• Python 执行 for x in foo 这样的语句时，实际上会调用 iter(foo)，也就是把 foo 传给内置的 iter 函数。
• iter 函数会触发名为foo.__iter__的特殊方法，该方法必须返回迭代器对象（这个迭代器对象本身要实现__next__特殊方法）
• Python 会用迭代器对象反复调用内置的 next 函数，直到数据耗尽为止

要想让自定义的容器类型可以迭代，只需要把__iter__方法实现为生成器即可。

可以把值传给 iter 函数，检测它返回的是不是那个值本身。如果是，就说明这是个普通的迭代器，而不是一个可以迭代的容器。另外，也可以用内置的 isinstance 函数判断该值是不是 collections.abc.Iterator 类的实例。

6. 考虑用生成器表达式改写数据量较大的列表推导

要想处理大规模的数据，可以使用生成器表达式（generator expression）来做，它扩展了列表推导式与生成器机制。

生成器表达式可以组合起来,编写一条新的生成器表达式(连锁反应)：

l = [1, 2, 3, 4, 5]it = (i for i in l)it2 = ((i + 1, i ** 2) for i in it)print(next(it))  # 1
print(next(it2))  # (3, 4)
print(next(it))  # 3
print(next(it))  # 4

7. 通过 yield from 把多个生成器连起来用

用yeild from 优化for-yeild结构：

• 会先从嵌套进去的小生成器里面取值，如果该生成器已经用完，那么程序的控制流程就会回到 yield from 所在的这个函数之中，然后它有可能进入下一套 yield from 逻辑

更快，层次结构更分明。

8. 不要用 send 给生成器注入数据

替代方案：通过把迭代器传给函数，通过 next 函数推进该迭代器返回需要用到的参数

优点：

• 迭代器可以来自任何地方，完全可以是动态的

缺点：

• 必须假设输入的生成器绝对能够保证线程安全

9. 不要通过 throw 变换生成器的状态

解决办法：定义一个有状态的闭包

10. 考虑用 itertools 拼接迭代器与生成器

如果要实现比较难写的迭代逻辑，那么应该先查看 itertools 的文档（在 Python 解释器界面输入 help(itertools)

连接多个迭代器

过滤迭代器中的元素