python中关于for循环的碎碎念

概述为什么要挑战自己在代码里不写forloop？因为这样可以迫使你去使用比较高级、地道的语法或库。文中以python为例子，讲了不少大家其实在别人的代码里都见过、但自己很少用的语法。

为什么要挑战自己在代码里不写for loop？因为这样可以迫使你去使用比较高级、地道的语法或库。文中以python为例子，讲了不少大家其实在别人的代码里都见过、但自己很少用的语法。

这是一个挑战。我要你避免在任何情况下写for循环。同样的，我也要你找到一种场景――除了用for循环以外，用其他方法写都太难。请分享你的发现，我非常想听到这些

距离我开始探索超棒的Python语言特性已经有一段时间了。一开始，这只是我给自己的一个挑战，练习使用更多的语言特性来替代我从其他编程语言那里所学到的。但是事情渐渐变得更有趣了！代码不止变得更简短整洁，而且看起来更加结构化和有规律，在这篇文章中我将更多地介绍这些好处。

首先，让我们退一步看看在写一个for循环背后的直觉是什么：

1.遍历一个序列提取出一些信息

2.从当前的序列中生成另外的序列

3.写for循环已经是我的第二天性了，因为我是一个程序员

幸运的是，Python里面已经有很棒的工具帮你达到这些目标！你需要做的只是转变思想，用不同的角度看问题。

不到处写for循环你将会获得什么

1.更少的代码行数

2.更好的代码阅读性

3.只将缩进用于管理代码文本

Let's see the code skeleton below:

看看下面这段代码的构架：

# 1with ...:  for ...:    if ...:      try:      except:    else:

这个例子使用了多层嵌套的代码，这是非常难以阅读的。我在这段代码中发现它无差别使用缩进把管理逻辑（with,try-except）和业务逻辑（for,if）混在一起。如果你遵守只对管理逻辑使用缩进的规范，那么核心业务逻辑应该立刻脱离出来。

“扁平结构比嵌套结构更好” C 《Python之禅》

为了避免for循环，你可以使用这些工具

1. 列表解析/生成器表达式

看一个简单的例子，这个例子主要是根据一个已经存在的序列编译一个新序列：

result = []for item in item_List:  new_item = do_something_with(item)  result.append(item)

如果你喜欢MapReduce，那你可以使用map，或者Python的列表解析：

result = [do_something_with(item) for item in item_List]

同样的，如果你只是想要获取一个迭代器，你可以使用语法几乎相通的生成器表达式。（你怎么能不爱上Python的一致性？）

result = (do_something_with(item) for item in item_List)

2. 函数

站在更高阶、更函数化的变成方式考虑一下，如果你想映射一个序列到另一个序列，直接调用map函数。（也可用列表解析来替代。）

doubled_List = map(lambda x: x * 2,old_List)

如果你想使一个序列减少到一个元素，使用reduce

from functools import reducesummation = reduce(lambda x,y: x + y,numbers)

另外，Python中大量的内嵌功能可/会（我不知道这是好事还是坏事，你选一个，不加这个句子有点难懂）消耗迭代器：

>>> a = List(range(10))>>> a[0,1,2,3,4,5,6,7,8,9]>>> all(a)False>>> any(a)True>>> max(a)9>>> min(a)0>>> List(filter(bool,a))[1,9]>>> set(a){0,9}>>> dict(zip(a,a)){0: 0,1: 1,2: 2,3: 3,4: 4,5: 5,6: 6,7: 7,8: 8,9: 9}>>> sorted(a,reverse=True)[9,0]>>> str(a)'[0,9]'>>> sum(a)45

3. 抽取函数或者表达式

上面的两种方法很好地处理了较为简单的逻辑，那更复杂的逻辑怎么办呢？作为一个程序员，我们会把困难的事情抽象成函数，这种方式也可以用在这里。如果你写下了这种代码：

results = []for item in item_List:  # setups  # condition  # processing  # calculation  results.append(result)

显然你赋予了一段代码太多的责任。为了改进，我建议你这样做：

def process_item(item):  # setups  # condition  # processing  # calculation  return resultresults = [process_item(item) for item in item_List]

嵌套的for循环怎么样？

results = []for i in range(10):  for j in range(i):    results.append((i,j)) 

列表解析可以帮助你：

results = [(i,j)      for i in range(10)      for j in range(i)] 

如果你要保存很多的内部状态怎么办呢？

# finding the max prior to the current itema = [3,9,8]results = []current_max = 0for i in a:  current_max = max(i,current_max)  results.append(current_max)# results = [3,9] 

让我们提取一个表达式来实现这些：

def max_generator(numbers):  current_max = 0  for i in numbers:    current_max = max(i,current_max)    yIEld current_maxa = [3,8]results = List(max_generator(a))

“等等，你刚刚在那个函数的表达式中使用了一个for循环，这是欺骗！”

好吧，自作聪明的家伙，试试下面的这个。

4. 你自己不要写for循环，itertools会为你代劳

这个模块真是妙。我相信这个模块能覆盖80%你想写下for循环的时候。例如，上一个例子可以这样改写：

from itertools import accumulatea = [3,8]resutls = List(accumulate(a,max)) 

另外，如果你在迭代组合的序列，还有product()，permutations()，combinations()可以用。

结论

1.大多数情况下是不需要写for循环的。

2.应该避免使用for循环，这样会使得代码有更好的阅读性。

行动

1.再看一遍你的代码，找出任何以前凭直觉写下for循环的地方，再次思考一下，不用for循环再写一遍是不是有意义的。

2.分享你很难不使用for循环的例子。

总结

以上是内存溢出为你收集整理的python中关于for循环的碎碎念全部内容，希望文章能够帮你解决python中关于for循环的碎碎念所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。