前言
Python 中的 for 循環(huán)和其他語言中的 for 循環(huán)工作方式是不一樣的，今天就帶你深入了解 Python 的 for 循環(huán)，看看它是如何工作的，以及它為什么按照這種方式工作。
循環(huán)中的陷阱
我們先來看一下 Python 循環(huán)中的「陷阱」，在我們了解了循環(huán)的工作方式后，再來看下這些陷阱到底是怎么出現(xiàn)的。
陷阱 1：循環(huán)兩次
現(xiàn)在我們先假設(shè)有一個數(shù)字組成的列表，和一個用于返回這些數(shù)字的平方的生成器：
|
1
2
|
>>> nums = [1, 2, 3, 4]>>> squares = (n**2 for n in nums) |
我們可以將這個生成器對象傳遞給元組構(gòu)造器，從而可以得到一個元組：
|
1
2
|
>>> tuple(squares)(1, 4, 9, 16) |
這個時候，如果我們再將這個構(gòu)造器對象傳遞給 sum 函數(shù)，按理說應(yīng)該會返回這些數(shù)字的和吧：
|
1
2
|
>>> sum(squares)0 |
返回的是個 0，先拖住下巴。
陷阱 2：檢查是否包含
我們還是使用上面的數(shù)字列表和生成器：
|
1
2
|
>>> nums = [1, 2, 3, 4]>>> squares = (n**2 for n in nums) |
如果我 squares 生成器中是否包含 9，答案是肯定的，若果我再問一次呢？
你敢答應(yīng)嗎
|
1
2
3
4
|
>>> 9 in squaresTrue>>> 9 in squaresFalse |
發(fā)現(xiàn)，第二次不靈了~
怎么不靈了
陷阱 3：拆包
現(xiàn)在假設(shè)有一個字典：
|
1
|
>>> counts = {1:'a', 2:'b'} |
然后，我們用多個變量對字典進(jìn)行拆包：
|
1
|
>>> x,y = counts |
你覺得這時候，x 和 y 中會是什么？
|
1
2
3
4
|
>>> x1>>> y2 |
我們只得到了鍵。
下面，我們先來了解下 Python 中的循環(huán)工作原理，然后再反過頭來看這些陷阱問題。
一些概念
首先，先了解一些基本概念：
可迭代和序列
可迭代就是指任意可以使用 for 循環(huán)遍歷的東西，可迭代意味著可以遍歷，任何可以遍歷的東西都是可迭代的。
|
1
2
|
for item in some_iterable: print(item) |
序列是一種常見的可迭代類型，如列表、元組、字符串等。
序列是可迭代的，它有著一些特點(diǎn)，它們是從 0 開始索引，索引長度不超過序列的長度；它們有序列長度；并且它們可以被切分。
Python 中的大部分東西都是可以迭代的，但是可以迭代并不意味著它是序列。如集合、字典、文件和生成器都是可迭代的，但是它們都不是序列。
|
1
2
3
4
|
>>> my_set = {1, 2, 3}>>> my_dict = {'k1': 'v1', 'k2': 'v2'}>>> my_file = open('some_file.txt')>>> squares = (n**2 for n in my_set) |
總結(jié)下來就是，任何可以用 for 循環(huán)遍歷的東西都是可迭代的，序列可迭代的類型中的一種，Python 還有著許多其他種類的可迭代類型。
迭代器
迭代器就是可以驅(qū)動可迭代對象的東西。你可以從任何可迭代對象中獲得迭代器，你也可以使用迭代器來手動對它的迭代進(jìn)行遍歷。
下面有三個可迭代對象：一個集合、一個元祖和一個字符串：
|
1
2
3
|
>>> nums = {1,2,3,4}>>> coors = (4,5,6)>>> words = "hello hoxis" |
我們可以使用 Python 的內(nèi)置函數(shù) iter ，從這些可迭代對象中獲取到迭代器：
|
1
2
3
4
5
6
|
>>> iter(nums)<setiterator object at 0x7fa8c194ad70>>>> iter(coors)<tupleiterator object at 0x7fa8c1959610>>>> iter(words)<iterator object at 0x7fa8c19595d0> |
一旦我們有了迭代器，我們就可以使用其內(nèi)置函數(shù) next() 來獲取它的下一個值：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
>>> nums = {1,2,3,4}>>> num_iter = iter(nums)>>> next(num_iter)1>>> next(num_iter)2>>> next(num_iter)3>>> next(num_iter)4>>> next(num_iter)Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration |
若果迭代到頭了，也就是沒有下一個值了，就會拋出 StopIteration 異常。也就是說，它不會繼續(xù)循環(huán)取獲取第一個值。
是不是有點(diǎn)懵逼了？
- 可迭代對象是可以迭代的東西
- 迭代對象器實際上是遍歷可迭代對象的代理
- 迭代器沒有長度，它們不能被索引。
- 可以使用迭代器來做的唯一有用的事情是將其傳遞給內(nèi)置的 next 函數(shù)，或者對其進(jìn)行循環(huán)遍歷
- 可以使用 list() 函數(shù)將迭代器轉(zhuǎn)換為列表
|
1
2
3
4
5
6
7
8
|
>>> nums = {1,2,3,4}>>> num_iter = iter(nums)>>> next(num_iter)1>>> list(num_iter)[2, 3, 4]>>> list(num_iter)[] |
若果想再次將其轉(zhuǎn)換為列表，明顯地，得到的是一個空列表。
其實這也是迭代器的一個重要特性：惰性，只能使用一次，只能循環(huán)遍歷一次。并且，在我們調(diào)用 next() 函數(shù)之前，它不會做任何事情。因此，我們可以創(chuàng)建無限長的迭代器，而創(chuàng)建無限長的列表則不行，那樣會耗盡你的內(nèi)存！
可迭代對象不一定是迭代器，但是迭代器一定是可迭代的：
| 對象 | 可迭代？ | 迭代器？ |
|---|---|---|
| 可迭代對象 | √ | 不一定 |
| 迭代器 | √ | √ |
| 生成器 | √ | √ |
| 列表 | √ | × |
其實，Python 中有許多迭代器，生成器是迭代器，Python 的許多內(nèi)置類型也是迭代器。例如，Python 的 enumerate 和 reversed 對象就是迭代器。zip, map 和 filter 也是迭代器；文件對象也是迭代器。
Python 中的 for 循環(huán)
其實，Python 并沒有傳統(tǒng)的 for 循環(huán)，什么是傳統(tǒng)的 for 循環(huán)？
我們看下 Java 中的 for 循環(huán)：
|
1
2
3
4
5
|
int[] integers = {1， 2， 3， 4};for (int j = 0; j<integers.length; j++) { int i = integers[j]; System.out.println(i);} |
這是一種 C風(fēng)格 的 for 循環(huán)，JavaScript、C、C++、Java、PHP 和一大堆其他編程語言都有這種風(fēng)格的 for 循環(huán)，但是 Python 確實沒有。
Python 中的我們稱之為 for 循環(huán)的東西，確切的說應(yīng)該是 foreach 循環(huán)：
|
1
2
3
|
numbers = [1, 2, 3, 5, 7]for n in numbers: print(n) |
和 C風(fēng)格 的 for 循環(huán)不同之處在于，Python 的 for 循環(huán)沒有索引變量，沒有索引變量的初始化，邊界檢查和索引變量的增長。
這就是 Python 的 for 循環(huán)的不同之處！
使用索引？
你可能會懷疑，Python 的 for 循環(huán)是否在底層使用了索引，下面我們手動的使用 while 循環(huán)和索引來遍歷：
|
1
2
3
4
5
6
7
8
9
10
|
>>> nums = [1,2,3,4]>>> i = 0>>> while i < len(nums):... print(num[i])... i += 1...0123 |
對于列表，這樣遍歷是可以的，但不代表適用于所有可迭代對象，它只適用于序列。
比如，我們對一個 set 使用這種方法遍歷，會得到一個異常：
|
1
2
3
4
5
6
7
8
9
|
>>> set = {1,2,3}>>> i = 0>>> while i < len(set):... print(set[i])... i += 1...Traceback (most recent call last): File "<stdin>", line 2, in <module>TypeError: 'set' object does not support indexing |
因為 set 不是序列，因此不支持索引遍歷。
我們不能使用索引手動對 Python 中的每一個迭代對象進(jìn)行遍歷。對于那些不是序列的迭代器來說，更是行不通的。
實現(xiàn)沒有 for 的循環(huán)
從上文可以看出，Python 中的 for 循環(huán)不使用索引，它使用的是迭代器。讓我們來看下它是如何工作的。
通過上文，我們了解到了迭代器和 iter、next 函數(shù)，現(xiàn)在我們可以嘗試不用 for 循環(huán)來遍歷一個可迭代對象。
下面是一個正常的 for 循環(huán)：
|
1
2
3
|
def funky_for_loop(iterable, action_to_do): for item in iterable: action_to_do(item) |
我們要嘗試用迭代器的方法和 while 實現(xiàn)上面 for 循環(huán)的邏輯，大致步驟如下：
- 獲取給定可迭代對象的迭代器；
- 調(diào)用迭代器的 next() 方法獲取下一項；
- 對當(dāng)前項數(shù)據(jù)進(jìn)行處理；
- 如果捕獲到 StopIteration ，那么就停止循環(huán)
|
1
2
3
4
5
6
7
8
9
|
def funky_for_loop(iterable, action_to_do): iterator = iter(iterable) while not done_looping: try: item = next(iterator) except StopIteration: break else: action_to_do(item) |
Python 底層的循環(huán)工作方式基本上如上代碼，就是迭代器驅(qū)動的 for 循環(huán)。
再次回到循環(huán)陷阱
陷阱 1：耗盡的迭代器
陷阱 1 中，因為生成器是迭代器，迭代器是惰性的，也是一次性的，在已經(jīng)遍歷過一次的情況下，再對其求和，返回的就是一個 0。
陷阱 2：部分消耗迭代器
陷阱 2 中，我們兩次詢問 9 是否存在于同一個生成器中，得到了不同的答案。
這是因為，第一次詢問時，Python 已經(jīng)對這個生成器進(jìn)行了遍歷，也就是調(diào)用 next() 函數(shù)查找 9，找到后就會返回 True，第二次再詢問 9 是否存在時，會從上次的位置繼續(xù) next() 查找。
|
1
2
3
4
5
6
7
|
>>> nums = [1,2,3,4,5]>>> squares = (n**2 for n in nums)>>> 9 in squaresTrue# 此時打印出來>>> list(squares)[16, 25] |
陷阱 3：拆包是迭代
當(dāng)直接在字典上迭代時，得到的是鍵：
|
1
2
3
4
5
6
|
>>> counts = {1:'a',2:'b'}>>> for i in counts:... print(i)... 12 |
而對字典拆包時，和在字典上遍歷是一樣的，都是依賴于迭代器協(xié)議，因此得到的也是鍵。
總結(jié)
序列是迭代器，但是不是所有的迭代器都是序列。迭代器不可以被循環(huán)遍歷兩次、不能訪問其長度，也不能使用索引。
迭代器是 Python 中最基本的可迭代形式。如果你想在代碼中做一個惰性迭代，請考慮迭代器，并考慮使用生成器函數(shù)或生成器表達(dá)式。
最后，請記住，Python 中的每一種迭代都依賴于迭代器協(xié)議，因此理解迭代器協(xié)議是理解 Python 中的循環(huán)的關(guān)鍵。
原文鏈接：https://opensource.com/article/18/3/loop-better-deeper-look-iteration-python
好了以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，如果有疑問大家可以留言交流，謝謝大家對服務(wù)器之家的支持。
原文鏈接：https://www.jianshu.com/p/6f66aeeb0093
