怎么在Python遍历字典时同时获取键和值？
详细解答在Python遍历字典时同时获取键和值的标准高效方法items()，解析元组解包底层原理、dict_items视图对象机制、结合enumerate多层解包以及防止遍历中动态修改字典的实用避坑指南。
.items() 方法，并利用循环变量自动进行元组解包：for key, value in dictionary.items():。这种写法无需二次哈希检索，代码直观且性能最佳。
一、标准解法：items() 方法与元组解包
初学 Python 时，很多读者习惯直接对字典对象运行 for 循环。在默认情况下，直接遍历字典只会依次产出所有的键（keys），若想拿到对应的值，通常会写出形如 value = d[key] 的代码。虽然逻辑上可行，但这不仅增加了额外的代码行数，还会导致每一次循环都重复进行一次哈希索引查询。
Python 提供了内建的 .items() 方法。当对字典调用该方法时，循环机制在每一次迭代中都会产出一个形如 (key, value) 的二元元组。Python 解释器支持直接将元组中的元素解构到两个独立的临时变量中，这就是“元组解包（Tuple Unpacking）”。
# 示例 1：使用 items() 同时获取键和值
user_profile = {
"name": "张伟",
"role": "研发工程师",
"department": "数据技术部",
"level": "P7"
}
# 推荐的标准写法
for key, value in user_profile.items():
print(f"属性字段: {key:12} => 对应内容: {value}")
运行该段代码，终端将依次输出字典的每一个字段名称及其对应的内容。这种语法结构不仅视觉上非常紧凑，而且在语义上明确地传达了“成对处理数据”的意图。
二、深入机制：视图对象与性能
理解 items() 的底层机制有助于写出内存占用更低的代码。在 Python 2 时代，调用 d.items() 会在内存中立即完整复制一份由所有键值元组组成的真实列表（List），当字典数据量达到百万级时容易造成显著的内存开销（为此 Python 2 当时提供了生成器版本的 iteritems()）。
在当今通用的 Python 3 中，d.items() 返回的是一个轻量级的视图对象（View Object），具体类型为 dict_items。它具备如下关键特征：
- 动态只读反射： 视图本身不占用独立的键值拷贝空间，其内存占用为恒定的 $O(1)$，它直接引用原字典底层的连续哈希数组。
- 随动变化： 如果在创建视图后、开始迭代前原字典内容发生了变动，视图会即时反映最新数据。
- 支持集合运算：
dict_items集合视图如果其中的键和值都是可哈希类型，甚至可以直接支持并集|、交集&等集合运算符。
三、常见实际应用场景与衍生技巧
掌握了 items() 的基础用法后，在实际项目中还可以结合 Python 的其他语言特性实现更紧凑、优雅的操作。
1. 同时需要计数序号：结合 enumerate()
有时不仅需要键和值，还需要打印出当前项目的序列号（从 1 或从 0 开始）。这时可以使用 Python 内置的 enumerate() 函数。但需要特别注意元组嵌套解包的括号匹配：
scores = {"数学": 96, "物理": 89, "化学": 92}
# 正确写法：给 (key, value) 套上一对小括号进行嵌套解包
for index, (subject, score) in enumerate(scores.items(), start=1):
print(f"序号 [{index}] 科目: {subject} => 成绩: {score}")
2. 字典推导式：过滤与转换
当任务不是为了打印输出，而是要基于已有字典生成一个新的过滤后或计算后的字典时，items() 与字典推导式（Dictionary Comprehension）是绝配：
# 场景：筛选成绩合格（>= 60）的学生并加权计算
raw_scores = {"小明": 75, "小红": 58, "小刚": 90, "小美": 85}
# 结构：{新键: 新值 for 键, 值 in 字典.items() if 筛选条件}
passed_students = {
name: score * 1.1
for name, score in raw_scores.items()
if score >= 60
}
print(passed_students)
# 示例输出: {'小明': 82.5, '小刚': 99.0, '小美': 93.5}
3. 键值反转（Inverting a Dictionary）
如果需要将字典的“键”与“值”对调，通过遍历 items() 能一行代码搞定。不过前提是：字典原有的所有值必须是可哈希类型（如字符串、数字或元组），且没有重复值（若有重复值，后者会覆盖前者）：
code_to_status = {200: "OK", 404: "Not Found", 500: "Server Error"}
# 互换位置：以 value 为键，以 key 为值
status_to_code = {status: code for code, status in code_to_status.items()}
print(status_to_code["OK"]) # 示例输出: 200
四、避坑准则：遍历过程中的常见陷阱
del d[k] 删除或 d[new_k] = v 新增操作！
很多新手在按条件清理字典数据时容易写出类似下面的错误代码：
# ❌ 错误示范：在遍历过程中直接变动字典键集
data = {"a": 1, "b": 2, "c": 3}
for k, v in data.items():
if v % 2 == 0:
del data[k] # 触发异常！
# 运行时报错：RuntimeError: dictionary changed size during iteration
发生原因： Python 字典底层的迭代器维护着内部散列表的哈希表大小标记。如果在迭代过程中向字典插入或删除了键，哈希表的内存尺寸可能重构，破坏迭代器遍历状态，因此解释器会立即抛出 RuntimeError 保护程序状态。
稳妥解决方案：
- 方案 A（推导式新建）： 推荐优先使用字典推导式创建符合条件的新字典，既安全又速度快。
- 方案 B（转为静态列表）： 如果必须原地修改，可以使用
list(d.items())或list(d.keys())将视图转为静态列表快照，再进行循环遍历。由于遍历的是快照列表，原字典的增删不会干扰列表迭代器。
# 方案 B 代码示例：
data = {"a": 1, "b": 2, "c": 3}
for k, v in list(data.items()):
if v % 2 == 0:
del data[k] # 安全删除，遍历的是快照
五、四种遍历方式对比与选型指南
在实际编写 Python 业务代码时，字典提供了多种遍历途径，根据需要获取的数据形态选择最精准的方法，能够最大程度提升代码的可读性和执行效率。
| 遍历写法 | 每次循环产出 | 返回值类型 | 常见场景 |
|---|---|---|---|
for k in d: |
单个键 k |
字典迭代器 | 只需使用键名，或仅检查键存在性 |
for k in d.keys(): |
单个键 k |
dict_keys 视图 |
显式表达意图，或利用集合操作进行差集对比 |
for v in d.values(): |
单个值 v |
dict_values 视图 |
不需要关心键名，直接对数据进行汇总或统计 |
for k, v in d.items(): |
键值对元组 (k, v) |
dict_items 视图 |
同时操作键与对应的值（推荐首选） |
六、总结
在 Python 中同时获取字典的键与值，只需牢记核心语法 for key, value in dictionary.items():。这一写法的底层逻辑是借助 dict_items 轻量级视图对象与 Python 的自动元组解包特性，一次性将键和值的引用绑定到指定变量，避免了额外的哈希寻址。在需要带序号遍历时，配合 enumerate(d.items()) 时注意给键值对加上内层括号 (key, value)；若涉及对字典的动态增删，切记利用 list(d.items()) 创建快照或通过字典推导式生成新对象，从而编写出高效、健壮的 Python 代码。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
