enumerate

首先介紹的是enumerate函數(shù)。

在我們日常編程的過程當中，經常會遇到一個問題。

在C語言以及一些古老的語言當中是沒有迭代器這個概念的，所以我們要遍歷數(shù)組或者是容器的時候，往往只能通過下標。有了迭代器之后，我們遍歷的過程方便了很多，我們可以直接用一個變量去迭代一個容器當中的值。最簡單的例子就是數(shù)組的遍歷，比如我們要遍歷items這個數(shù)組。我們可以直接：

for item in items:

通過迭代器的方式我們可以很輕松地遍歷數(shù)組，而不再需要下標，也不需要計算數(shù)組的長度了。但是如果我們在循環(huán)體當中需要知道元素的下標該怎么辦？

難道我們真的只能在下標和迭代器當中選擇一個嗎，比如在循環(huán)體的外面添加一個變量來記錄下標？

idx = 0
for item in items:
  operation()
  idx += 1

這樣可以解決問題，但是很麻煩，一點也不簡潔，用專業(yè)的話來說一點也不pythonic（符合Python標準的代碼）。為了追求pythonic，于是有了enumerate函數(shù)，來解決了我們又想直接迭代又需要知道元素下標的情形。

它的用法也很簡單，我們把需要迭代的對象或者迭代器傳入enumerate函數(shù)當中，它會為我們創(chuàng)建一個新的迭代器，同時返回下標以及迭代的內容。我們來看一個例子：

for i, item in enumerate(items):

除此之外，enumerate還支持傳入?yún)?shù)。比如在某些場景當中，我們希望下標從1開始，而不再是0開始，我們可以額外多傳入一個參數(shù)實現(xiàn)這點：

for i, item in enumerate(items, 1):

循環(huán)是我們編程的時候必不可少的操作，也正因此，enumerate函數(shù)使用非常廣泛。但是有一點需要注意，如果我們迭代的是一個多元組數(shù)組，我們需要注意要將index和value區(qū)分開。舉個例子：

data = [(1, 3), (2, 1), (3, 3)]

在不用enumerate的時候，我們有兩種迭代方式，這兩種都可以運行。

for x, y in data:

for (x, y) in data:

但是如果我們使用enumerate的話，由于引入了一個index，我們必須要做區(qū)分，否則會報錯，所以我們只有一種迭代方式：

for i, (x, y) in enumerate(data):

zip

接下來要介紹的另一個函數(shù)同樣是方便我們迭代的，不過它針對的是另一個場景——多對象迭代。

它的應用場景非常簡單，就是我們想要同時迭代多份數(shù)據(jù)，比如用戶的名字和用戶的職業(yè)數(shù)據(jù)是分開的，我們希望同時遍歷一個用戶的職業(yè)和名字。如果不使用zip，我們可能只能放棄迭代器回到傳統(tǒng)的下標遍歷的模式了。這樣當然是可以的，不過有兩個小問題，第一個小問題當然是代碼的可讀性變差了，不夠pythonic，第二個問題是我們需要維護兩個容器長度不一樣的情況，會增加額外的代碼。而使用zip，可以同時解決以上兩個問題。

我們來看一個例子：

names = ['xiaoming', 'xiaohua', 'xiaohei', 'xiaoli']
jobs = ['coach', 'student', 'student', 'student', 'professor']

for name, job in zip(names, jobs):
 print(name, job)

最后輸出的結果是人名和職業(yè)的tuple：

xiaoming coach
xiaohua student
xiaohei student
xiaoli student

上面舉的例子當中，names和jobs的長度其實是不一致的，在使用了zip的情況下，會自動替我們按照其中較短的那個進行截斷。如果我們不希望截斷，我們也可以使用itertools下的zip_longest來代替zip：

from itertools import zip_longest
for name, job in zip_longest(names, jobs):

這樣的話長度不夠的元素會以None來填充，zip_longest提供了一個參數(shù)fillvalue，可以填充成我們指定的值。

無論是zip還是zip_longest，都可以支持多迭代器的遍歷。比如：

names = ['xiaoming', 'xiaohua', 'xiaohei', 'xiaoli']
jobs = ['coach', 'student', 'student', 'student', 'professor']
hobbies = ['footbal', 'tennis', 'badminton', 'basketbal']

for name, job, hobby in zip(names, jobs, hobbies):
 print(name, job, hobby)

zip除了方便我們迭代遍歷之外，另一個很大的用處是可以很方便地生成dict。比如剛才的例子當中，我們想生成一個名稱和職業(yè)的dict，一般的辦法當然是先定義一個dict，然后遍歷所有的key和value，來生成dict。然而使用zip，我們可以將這個操作簡化到一行代碼：

jobDict = dict(zip(names, jobs))

需要注意的是，我們調用zip返回的結果其實是一個迭代器，我們在轉化成dict的時候自動遍歷了迭代器當中的內容。比如我們如果直接打印出zip調用結果的話，就會發(fā)現(xiàn)屏幕上輸出的是一個迭代器的地址：

print(zip(names, jobs))
>>> <zip object at 0x10ec93b40>

我們想要獲得它的內容，需要將它手動轉成list：

print(list(zip(names, jobs)))
>>> [('xiaoming', 'coach'), ('xiaohua', 'student'), ('xiaohei', 'student'), ('xiaoli', 'student')]

無論是enumerate還是zip其實底層都是基于迭代器實現(xiàn)的，從原理上來說并沒有什么太深奧的內容，而且我們不使用它們也不影響我們寫代碼。但是Python之所以是Python，之所以很多人稱道它簡潔的語言和邏輯，離不開我們廣泛地使用這些簡化代碼邏輯的工具和方法。因此我們加以了解是非常有必要的，希望大家都能寫出pythonic的代碼，不僅寫代碼能力強，而且代碼本身也漂亮。

以上就是深入了解Python enumerate和zip的詳細內容，更多關于Python enumerate和zip的資料請關注腳本之家其它相關文章！

最新評論