Python中哪些数据类型支持遍历操作

Ryan

发布时间：2026-10-20| 3人浏览过

原创

在 Python 中，所有实现了“可迭代协议（Iterable Protocol）”的数据类型都支持遍历操作，即可以直接放在 for ... in ... 循环中使用。核心支持遍历的内置类型包括：序列类型（列表 list、元组 tuple、字符串 str、范围对象 range、字节序列 bytes 等）、映射类型（字典 dict）、集合类型（集合 set、不可变集合 frozenset）以及流式与迭代生成对象（迭代器 iterator、生成器 generator、打开的文件对象 file）。相反，单一的数值类型（如 int、float、complex）、布尔值 bool 以及空值 None 均不支持遍历操作，强行遍历会触发 TypeError。

一、支持遍历的核心数据类型与具体用法

了解某种类型是否支持遍历，最直观的体现是看它在循环体中被依次取出的元素结构。Python 的内置容器与流对象各具特性，以下分类说明常见类型的遍历特征与实际代码。

1. 序列类型（Sequence Types）

序列是有序元素的集合，每个元素都有固定的整数索引。遍历序列类型时，Python 会严格按照索引从 0 开始自前向后依次提取元素。

列表（list）与元组（tuple）：最基础的容器，循环直接获得内部的每一个子元素。
字符串（str）：在 Python 中字符串本身就是字符序列，遍历字符串会逐个取出单个 Unicode 字符。
范围对象（range）：常用于计数循环，它是一个惰性计算的序列，按设定的步长生成整数。
字节与字节数组（bytes / bytearray）：遍历时按序产出每个字节对应的十进制整数（0 到 255）。

# 列表与字符串遍历示例
fruits = ["苹果", "香蕉", "橙子"]
for fruit in fruits:
    print(fruit)
# 示例输出：
# 苹果
# 香蕉
# 橙子

greeting = "Hi!"
for char in greeting:
    print(char)
# 示例输出：
# H
# i
# !

2. 映射类型（Mapping Types）

Python 中最核心的映射类型是字典（dict）。字典由键值对（Key-Value）构成，支持三种不同视角的遍历：

默认遍历：直接对字典对象进行 for k in my_dict 循环，遍历的是字典的所有键（Keys）。
遍历值：调用 my_dict.values()，循环获得所有对应的值。
遍历键值对：调用 my_dict.items()，每次循环获得一个包含 (key, value) 的元组，通常配合元组解包使用。

user_scores = {"张三": 92, "李四": 88, "王五": 95}

# 默认遍历键
for name in user_scores:
    print(name)

# 同时遍历键和值（推荐写法）
for name, score in user_scores.items():
    print(f"{name}: {score}分")
# 示例输出：
# 张三: 92分
# 李四: 88分
# 王五: 95分

3. 集合类型（Set Types）

集合（set）与不可变集合（frozenset）是去重且无序（无数值索引）的数据容器。集合支持遍历，但在逻辑上不保证具备像列表那样按索引访问的能力。在遍历集合时，循环体能够无遗漏地访问其中的每一个唯一元素。

unique_ids = {101, 102, 103, 101}
for item in unique_ids:
    print(item)
# 示例输出：
# 101
# 102
# 103

4. 迭代器、生成器与文件流对象

除了传统数据容器，Python 中还有一大类以“流”方式存在的对象，它们支持逐项读取并具备极高内存效率：

生成器表达式与函数（Generator）：利用 yield 关键字或生成器推导式创建，每次遍历实时产出下一个值，不会一次性占用全部内存。
迭代器（Iterator）：通过 iter() 转换得来，或由内置工具如 enumerate()、zip()、reversed() 返回的对象。
文件对象（File Objects）：通过 open() 打开的文件句柄本身就是可迭代对象，遍历它会逐行读入文本，非常适合读取 GB 级别的大文件。

Python中哪些数据类型支持遍历操作 — 图 1：Python 数据类型可遍历性全景分类图谱

二、Python 底层如何实现遍历：迭代协议解析

许多初学者以为 for 循环是通过计算长度后按下标递增读取的，但实际上，Python 采用的是迭代协议（Iteration Protocol）。这正是为什么即便没有数字下标的字典、集合以及无法提前知晓总长度的文件流对象，也能平滑进行 for 循环的根本原因。

1. 可迭代对象（Iterable）与迭代器（Iterator）

可迭代对象（Iterable）：拥有 __iter__() 方法，或者拥有支持从 0 开始连续整数索引的 __getitem__() 方法。容器本身通常是 Iterable。
迭代器（Iterator）：除了拥有 __iter__()（返回自身），还必须实现 __next__() 方法。它像一个单向移动的游标，记录当前遍历状态，每次调用 next() 返回下一个元素。

2. for 循环的底层四个步骤

初始化获取迭代器：当执行 for x in obj: 时，Python 解释器在底层自动调用内置函数 iter(obj)。
查找底层协议：iter() 首先检查 obj 是否实现了 __iter__()，如果是，调用它并获得一个专属的迭代器；若未实现，再退一步检查是否支持 __getitem__()；两者皆无则抛出 TypeError: '...' object is not iterable。
逐次取值：进入循环，解释器不断在迭代器上调用 next()，将返回值赋给循环变量 x，并执行循环体。
捕获终止异常：当所有元素取完时，next() 方法会抛出 StopIteration 异常。for 循环在底层会自动捕获这个异常并安静地结束循环，对上层使用者完全透明。

三、如何判断一个未知对象是否支持遍历？

在日常开发、封装公共函数或编写装饰器时，我们往往需要提前检验传入的变量能否被 for 循环安全遍历。Python 提供了两种主要检测途径，各有侧重与使用边界。

方法 1：使用 iter() 函数与异常捕获（最稳健推荐）

最符合 Python “鸭子类型（Duck Typing）” 哲学的做法是直接尝试使用 iter(obj)：如果该对象可以通过任何合法手段（包括现代的 __iter__ 或历史遗留但有效的 __getitem__）转为迭代器，则测试通过；若不能，系统会立即抛出 TypeError。

def is_iterable(obj):
    """
    判断对象是否支持遍历的最完整标准方法
    """
    try:
        iter(obj)
        return True
    except TypeError:
        return False

# 测试验证：
print(is_iterable([1, 2, 3]))    # True
print(is_iterable("hello"))      # True
print(is_iterable(100))          # False
print(is_iterable(None))         # False

方法 2：使用 collections.abc.Iterable 进行类型检测

Python 标准库的 collections.abc 模块提供了 Iterable 抽象基类。通过 isinstance(obj, Iterable) 可以快捷判断。但需要注意：这种方式仅检查对象是否实现了 __iter__ 方法，如果某老式自定义类仅实现了 __getitem__，isinstance 会返回 False，但它实际上完全能被 for 循环正常遍历。

重要注意：字符串的“伪容器”陷阱

字符串 str 也是合法的 Iterable。但在编写处理嵌套列表、平铺数据或序列化对象时，如果只写 if isinstance(x, Iterable):，字符串会被当成列表不断拆解成一个个字符，极易引发死循环或切片错误。通常应显式排查：

if isinstance(obj, Iterable) and not isinstance(obj, (str, bytes)):

四、常见不可遍历数据类型与排错处理

当尝试对不可遍历的对象使用 for 循环、列表推导式、* 解包或 iter() 时，程序会立即中断。理解常见报错场景有助于快速定位 Bug。

1. 常见报错形态

# 常见报错 1：对整型数字遍历
count = 5
for i in count:
    pass
# 触发报错：TypeError: 'int' object is not iterable

# 常见报错 2：函数无返回值时遍历
def get_user_list():
    # 忘记写 return 语句，默认返回 None
    pass

for user in get_user_list():
    pass
# 触发报错：TypeError: 'NoneType' object is not iterable

2. 典型失误场景与纠正方法

错误代码示例	根本原因	正确纠正方案
`for i in 10:`	整型数值 `10` 是单一数字，不是序列容器	使用 `range(10)` 构造序列：`for i in range(10):`
`for row in db.execute():` 报 NoneType	数据库查询无结果返回了 `None`，而非空列表 `[]`	设置默认空容器：`for row in (db.execute() or []):`
`for k, v in my_dict:` 报 cannot unpack	直接遍历字典产出单个键，无法解包为两个变量	显式调用 items：`for k, v in my_dict.items():`

五、全数据类型遍历特征与选型总结

为了在实际开发中快速选用适合的数据类型并掌握正确的遍历语法，下表总结了各类支持遍历对象的关键特征、内存开销与典型应用场景：

总结来说，判断 Python 数据类型能否遍历，不应只看其表面名字，而应关注其是否遵循了迭代协议。在日常编程中，凡涉及“批量集合、键值对映射、文本流以及由 yield 驱动的惰性计算”都天然支持遍历；而针对未知参数，使用 iter(obj) 进行防御式检测则是最优雅、健壮的工程实践。