问题

当换算（sum(), min(), max()）同时遇到转换或筛选，怎么做？

解决方案

有一种非常优雅的方法，可以将数据换算和转换结合在一起——在函数参数中使用 生成器表达式。

一个直观的案例：

nums = [1, 2, 3, 4, 5]
s = sum(x * x for x in nums)
print(s)

还有一些其他的例子：

import os

files = os.listdir('dirname')
if any(name.endswith('.py') for name in files):
    print("There be python!")
else:
    print("Sorry, no python.")

s = ('ACME', 50, 123.45)
print(','.join(str(x) for x in s))

portfolio = [
    {'name': 'GOOG', 'shares': 50},
    {'name': 'YHOO', 'shares': 75},
    {'name': 'AOL', 'shares': 20},
    {'name': 'SCOX', 'shares': 65}
]

min_shares = min(s['shares'] for s in portfolio)
print(min_shares)

讨论

这种同时对数据做转换和换算的方案，解决了当把生成器作为函数的单独参数时在语法上的一些微妙之处，即，不必重复使用括号：

# 上下两行代码同意：
s = sum([x * x for x in nums])
s = sum(x * x for x in nums)

比起首先创建一个临时的列表，当然使用生成器做参数更为高效和优雅。

nums = [1, 2, 3, 4, 5]

print(sum([x * x for x in nums]))
print(sum(x * x for x in nums))

看似上述两个没差别，都能实现最终结果，但是细想，第一个方法引入了一个额外的列表。对于很小的 nums 可能无关紧要，但是如果 nums 数量非常大，那么就会创建一个庞大的临时数据结构，而且只用一次就丢弃。基于生成器的解决方案可以以迭代的方式转换数据，内存友好高效。

最后，我们可以完善我们的输出：

min_shares = min(s['shares'] for s in portfolio)
print(min_shares)
min_shares = min(portfolio, key=lambda s: s['shares'])
print(min_shares)