Python 核心数据类型的遍历方法与性能优化指南

字符串与序列类型的基础遍历

第1步：使用 for-in 直接迭代字符或元素

目的是以最简洁的方式读取集合内容，适用于无需关注位置的常规读取场景。

s = "Hello"
for char in s:
    print(char)

my_list = [1, 2, 3, 4, 5]
for item in my_list:
    print(item)

第2步：通过 enumerate 同步获取索引与值

目的是在遍历时标记位置，比手动维护 `range(len())` 更优雅且不易越界。可自定义起始编号。

s = "Hello"
for index, char in enumerate(s):
    print(f"位置{index}: {char}")

# 指定起始索引
for index, char in enumerate(s, start=1):
    print(f"第{index}个字符: {char}")

my_list = ['apple', 'banana', 'cherry']
for index, value in enumerate(my_list, start=1):
    print(f"水果{index}: {value}")

第3步：实现反向与局部切片遍历

目的是倒序读取或仅处理特定区间的元素。注意 `reversed()` 返回迭代器，而切片会创建新对象。

# 字符串反向
for char in reversed("Hello"):
    print(char)

# 列表反向（推荐 reversed）
for item in reversed([1, 2, 3, 4, 5]):
    print(item)

# 切片局部遍历
for char in "Hello World"[6:]:
    print(char)

# 步长遍历
for char in "Hello World"[::2]:
    print(char)

集合与字典的定向迭代

第4步：按规则对集合进行有序遍历

由于集合无序且无索引，需先转换或使用排序函数控制读取顺序。不可直接使用 `len()` 或索引访问。

my_set = {5, 3, 1, 4, 2}
for item in sorted(my_set):
    print(item)

for item in sorted(my_set, reverse=True):
    print(item)

第5步：精准提取字典的键、值或键值对

目的是按需读取字典内部结构。默认迭代仅输出键，显式调用 `.keys()`、`.values()` 或 `.items()` 可提高可读性。

my_dict = {'name': 'Alice', 'age': 25, 'city': 'Beijing'}

for key in my_dict:
    print(f"键: {key}")

for value in my_dict.values():
    print(f"值: {value}")

for key, value in my_dict.items():
    print(f"{key}: {value}")

第6步：基于排序条件重组字典遍历顺序

目的是对键值对进行规则化输出。支持按键名称、按对应值大小进行升序或降序排列。

my_dict = {'b': 2, 'a': 1, 'c': 3}

# 按键排序
for key in sorted(my_dict):
    print(f"{key}: {my_dict[key]}")

# 按值排序
for key in sorted(my_dict, key=my_dict.get):
    print(f"{key}: {my_dict[key]}")

# 反向排序
for key in sorted(my_dict, reverse=True):
    print(f"{key}: {my_dict[key]}")

多对象同步与函数式映射处理

第7步：利用 zip 并行遍历多个可迭代对象

目的是对齐多个序列的数据进行联合计算。长度不一致时会自动截断至最短序列。

names = ['Alice', 'Bob', 'Charlie']
scores = [85, 92, 78]

for name, score in zip(names, scores):
    print(f"{name}: {score}分")

# 结合 enumerate 获取排名
for i, (name, score) in enumerate(zip(names, scores)):
    print(f"第{i+1}名: {name} - {score}分")

第8步：借助 filter 与 map 实现条件过滤与转换

目的是在遍历过程中直接筛选数据或执行映射运算。返回迭代器，惰性求值节省内存。

numbers = [1, 2, 3, 4, 5, 6]
for num in filter(lambda x: x % 2 == 0, numbers):
    print(num)

for num in map(lambda x: x**2, numbers):
    print(num)

高内存友好型遍历与标准库进阶

第9步：使用生成器表达式处理海量数据

目的是在不需要一次性加载全部数据时保持低内存占用。避免使用方括号 `[]` 定义列表推导式。

numbers = range(1000000)
sum_squares = sum(x**2 for x in numbers if x % 2 == 0)
print(sum_squares)

for square in (x**2 for x in range(5)):
    print(square)

第10步：调用 itertools 扩展复杂组合逻辑

目的是解决多序列连接、笛卡尔积、全排列等高频算法需求。所有工具均基于 C 实现，执行效率高。

from itertools import chain, product, permutations

# 连接多个可迭代对象
for item in chain([1, 2, 3], ['a', 'b', 'c']):
    print(item)

# 笛卡尔积
for color, size in product(['红', '蓝'], ['S', 'M']):
    print(f"{color}{size}")

# 排列
for p in permutations('ABC', 2):
    print(p)

遍历方式选型参考与注意事项

核心建议与排错参考：
1. 优先使用 for-in 直接遍历：语法最简洁，底层指针移动，性能优于手动索引。
2. 需要索引时用 enumerate：自动处理边界，代码可读性显著提升。
3. 字典操作首选 .items()：一次解包键与值，避免重复查表开销。
4. 大数据集务必改用生成器：(expr for ...) 替代列表推导式，防止 MEMORY_ERROR。
5. 危险操作提醒：切勿在遍历当前集合时直接修改其长度或元素顺序（如 list.remove()），会导致跳过元素或抛出运行时异常。如需变更，请创建副本或收集待删项后统一处理。

以上就是Python核心数据类型的遍历方法与性能优化的详细内容，更多关于Python迭代技巧与代码规范的资料请关注本站其它相关文章！