先上代码:

#1
a = 1
b = 2
c = a if a>b else b
print(c)
#2
a = [1,2,3,4,5,6]
c = [i for i in a if i%2==0]
print(sum(c))
#3
c={i for i in a if i%2==0} 
print(c)
#4
c={i:i**i for i in a if i%2==0}
print(c)
#5
a = [1,2,3]
b = [4,5,6]
c = [i+j for i in a for j in b if i%2== 0 and j%2==0]
print(c)
#6
a = [1,2,3]
c = [i if i%2==0 else 1 for i in a]
print(c)

#7
mca={"a":1,"b":2,"c":3,"d":4}
dicts={v:k for k,v in mca.items() if v%2==0}
print(dicts)

#8
squared={i*2 for i in [1,2,3,4,5] if i%2==0}
print(squared)

总结<整理转载>:

A.高级语法

python 循环高级用法

[expression for x in X [if condition] for y in Y [if condition] ... for n in N [if condition] ]

按照从左至右的顺序，分别是外层循环到内层循环

除了像上面介绍的 [x ** 2 for x in L] 这种基本语法之外，列表推导式还有一些高级的扩展。

1. 带有if语句

我们可以在 for 语句后面跟上一个 if 判断语句，用于过滤掉那些不满足条件的结果项。

例如，我想去除列表中所有的偶数项，保留奇数项，可以这么写：

>>> L = [1, 2, 3, 4, 5, 6]
>>> L = [x for x in L if x % 2 != 0]
>>> L
[1, 3, 5]

2. 带有for嵌套

在复杂一点的列表推导式中，可以嵌套有多个 for 语句。按照从左至右的顺序，分别是外层循环到内层循环。

例如：

>>> [x + y for x in 'ab' for y in 'jk']
['aj', 'ak', 'bj', 'bk']

3. 既有if语句又有for嵌套

列表推导式可以带任意数量的嵌套 for 循环，并且每一个 for 循环后面都有可选的 if 语句。

通用语法：

[ expression for x in X [if condition]
             for y in Y [if condition]
             ...
             for n in N [if condition] ]

例如，下面的代码输出了0~4之间的偶数和奇数的组合。

>>> [(x, y) for x in range(5) if x % 2 == 0 for y in range(5) if y % 2 == 1]
[(0, 1), (0, 3), (2, 1), (2, 3), (4, 1), (4, 3)]

等价于下面的一般 for 循环：

>>> L = []
>>> for x in range(5):
...     if x % 2 == 0:
...         for y in range(5):
...             if y % 2 == 1:
...                 L.append((x, y))
>>> L
[(0, 1), (0, 3), (2, 1), (2, 3), (4, 1), (4, 3)]

4. 列表推导式生成矩阵

生成矩阵的方式有多种，例如手动赋值、一般for循环，还有就是列表推导式。如果我们要用列表推导式生成下面的矩阵，可以怎么写？

>>> M = [[1, 2, 3],
... [4, 5, 6],
... [7, 8, 9]]

一种方法是：

>>> M = [[x, x+1, x+2] for x in [1, 4, 7]]
>>> M
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

矩阵的列数少时可以使用这种方法。

如果矩阵的列数较多，我们可以使用另外一种方式：在循环变量的表达式中使用列表推导式。

具体代码如下：

>>> M = [[y for y in range(x, x+3)] for x in [1, 4, 7]]
>>> M
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

与之前带 for 嵌套的语法不同，这个例子中，实际使用的是最基本的 [expression for x in L] 语法，只有一个 for 语句。

复杂的地方在于前面的变量表达式 expression 不再是简单的变量运算，而是一个列表推导式，在这个例子中就是 [y for y in range(x, x+3)] 。
内层的列表推导式返回一个行向量，而这些行向量经由外层的列表推导式，最终形成一个二维列表，也就是我们想要的矩阵。

当然，在实际的应用中不能单纯追求代码的简洁，还要考虑到代码的可读性和维护成本。
如果代码变得过于复杂，不易于理解，我们宁可多写几行代码来增加它的可读性。

B. 生成器表达式

生成器表达式与列表推导式的语法相同，区别在于生成器表达式的外面使用圆括号，而列表推导式使用方括号。

有关生成器的介绍，请参考这篇文章：《Python高级编程之初识生成器》

C. 集合推导式和字典推导式

注意：集合推导式和字典推导式只有在Python2.7以及之后的版本中才有，Python2.7之前的版本不支持这两种推导式。

集合推导式的语法与列表推导式相同，只需要把外面的方括号改成花括号即可。

例如，我们可以通过以下方式来生成一个集合：

>>> {x ** 2 for x in [1, 2, 2]}
{1, 4}

字典推导式的外面也是使用花括号，不过花括号的内部需要包含键值两部分。

在值不重复的情况下，我们可以通过字典推导式快速交换键值对：

>>> D = {'a':1, 'b':2, 'c':3}
>>> D = {value: key for key, value in D.items()}
>>> D
{1: 'a', 2: 'b', 3: 'c'}

 

lix = [];
for x in range(1, 101):
    lix.push(x ** 2)
执行结果：lix = [1,4,9,16,25.....]

在列表构建器的表达式中，可以添加简单的条件处理

lix = [x * x for x in range(1, 101) if x % 2 == 0]
执行结果：lix = [4,16,36.....]

也可以在循环过程中，来使用多层循环嵌套，实现更加复杂的效果


lix = [x + y for x in "abc" for y in "xyz"] 执行结果：['ax', 'ay', 'az', 'bx', 'by', 'bz', 'cx', 'cy', 'cz']


D.列表动态构建器

但是我们通过前面的学习已经知道，这些数据都是加载到内存中的，如果列表中的数据量比较大的情况下，内存消耗是比较严重的
在某些情况下，我们只需要使用列表中的一部分数据，后面的数据并不是特别关心，如：通过列表来记录一个符合某种规则的序列，每次我们只是关心下一个数据，并不关心后面的N条数据，应该怎么做呢？比如我们需要一个奇数列表

# 常规构建器的做法
lix = [2*x + 1 for x in range(1, 101)]
# 执行结果：[1,3,5,7,9,11,13,15,17.....]
# * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
# 常规构建器可以直接构建生成
# 但是存在问题，如果一次构建的数据量太大，会严重占用内存
# 我们在使用该列表的时候，有可能只是使用前10项
# * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
# 使用列表动态构建器
lix = (2 * x - 1 for x in range(1, 101))
# 执行结果：print (lix) --> <generator object <genexpr> at 0x7f232e462048>
next(lix)
# 执行结果：1
next(lix)
# 执行结果：3
next(lix)
# 执行结果：5
next(lix)
# 执行结果：7
# * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
# 列表动态构建器
# 和构建器基本没有区别，创建的时候列表中是没有数据的
# 必须通过next()函数来获取列表中的下一条数据
# * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

 []改成()，就创建了一个generator：

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)

next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
... 
0
1
4
9
要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
fib
print(b)
yield b
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。