0

0

python如何遍历一个字典的键和值_python高效遍历字典key和value的技巧

下次还敢

下次还敢

发布时间:2025-09-24 23:12:02

|

1062人浏览过

|

来源于php中文网

原创

最推荐使用dict.items()遍历字典键值对,因其可读性强、效率高且内存友好;若只需键或值,可分别使用keys()或values();修改字典时应避免直接迭代原对象,宜通过副本或字典推导式操作。

python如何遍历一个字典的键和值_python高效遍历字典key和value的技巧

在Python里,想把字典里的键和值都拿出来溜达一圈,最直接、也最推荐的方法就是用items()。它能一次性给你键和值,省去了很多麻烦,效率上也表现得相当不错。

解决方案

要遍历一个Python字典的键和值,最常见且效率较高的几种方式:

  1. 使用dict.items()方法(推荐) 这是最Pythonic的方法,它返回一个视图对象,其中包含字典里所有的键值对(以元组的形式)。

    my_dict = {'name': 'Alice', 'age': 30, 'city': 'New York'}
    for key, value in my_dict.items():
        print(f"键: {key}, 值: {value}")
  2. 先遍历键,再通过键获取值 这种方式虽然也能达到目的,但效率上通常不如items(),因为它在每次迭代时都需要进行一次字典查找操作。

    my_dict = {'name': 'Alice', 'age': 30, 'city': 'New York'}
    for key in my_dict: # 或者 for key in my_dict.keys():
        value = my_dict[key]
        print(f"键: {key}, 值: {value}")
  3. 使用列表推导式或生成器表达式 如果你只是想把键或值收集起来,或者进行一些简单的转换,这会非常简洁。

    my_dict = {'name': 'Alice', 'age': 30, 'city': 'New York'}
    all_keys = [key for key in my_dict.keys()]
    all_values = [value for value in my_dict.values()]
    all_items = [(key, value) for key, value in my_dict.items()]
    print(f"所有键: {all_keys}")
    print(f"所有值: {all_values}")
    print(f"所有键值对: {all_items}")

为什么dict.items()是遍历键值对的最佳实践?

说实话,当我第一次接触Python字典的时候,自然而然地会想到for key in my_dict:然后my_dict[key]这种方式。但很快我就发现,dict.items()才是真正让我写代码更顺畅、更“Pythonic”的选择。这不仅仅是习惯问题,背后有一些实实在在的理由。

首先,可读性是第一位的。for key, value in my_dict.items():一眼就能看出你想要同时处理键和值,代码意图非常清晰。相比之下,先遍历键再通过键去取值,虽然也能理解,但总觉得多了一步。

立即学习Python免费学习笔记(深入)”;

其次,也是更重要的,是效率。当你使用for key in my_dict:(或者for key in my_dict.keys():),然后在循环体内部用my_dict[key]来获取值时,每次循环都会触发一次字典的哈希查找操作。如果你的字典很大,这种重复的查找会累积成不小的开销。而dict.items()则不同,它返回的是一个“视图对象”(在Python 3中),这个视图对象在迭代时会直接、高效地提供键值对,避免了额外的查找步骤。它就像是字典内部的一个“窗口”,直接让你看到了所有的数据,而不是让你先看到房间号,再拿着房间号去敲门。

再者,这个“视图对象”的特性也带来了内存优势。它并不会一次性把所有的键值对都复制到一个新的列表中。这意味着即使你的字典有上百万个键值对,items()也不会立即占用双倍甚至更多的内存来存储一个完整的键值对列表。它是一种惰性求值的方式,只有在你真正迭代的时候,才会按需生成下一个键值对。这对于处理大型数据集来说,简直是救命稻草。

所以,无论是从代码的优雅程度、运行效率,还是内存使用上来看,dict.items()都是遍历字典键值对时当之无愧的最佳实践。

在哪些场景下,我可能需要单独遍历字典的键或值?

虽然items()非常强大,但我们也不能一概而论。总有些时候,我发现自己只需要处理字典的键,或者仅仅关心它的值。这时候,单独使用dict.keys()dict.values()就显得非常自然和高效了。

比如说,我可能只是想检查一下某个特定的键是否存在于字典中,或者想把所有的键收集起来,看看它们有没有重复,或者做一些格式化处理。

user_preferences = {'theme': 'dark', 'language': 'en', 'notifications': True}

# 检查某个键是否存在,虽然直接用 'key' in dict 更常见,但有时为了明确性也会用到keys()
if 'theme' in user_preferences.keys():
    print("用户设置了主题。")

# 收集所有键,可能为了展示给用户或者做进一步的逻辑判断
available_settings = list(user_preferences.keys())
print(f"可用的设置项有: {available_settings}")

# 遍历所有键,做一些简单的打印或处理
for setting_key in user_preferences.keys():
    print(f"配置项: {setting_key}")

在这种情况下,去迭代items()然后解包,再只用key,就显得有些多余了。直接用keys()表明了我的意图——我只关心键。

Nanonets
Nanonets

基于AI的自学习OCR文档处理,自动捕获文档数据

下载

同样地,如果我只是想对字典里的所有值进行某种聚合操作,比如计算它们的总和、平均值,或者找出最大值、最小值,那么dict.values()就是我的首选。

product_prices = {'apple': 1.5, 'banana': 0.75, 'orange': 1.2, 'grape': 2.5}

# 计算所有商品的总价
total_price = sum(product_prices.values())
print(f"商品总价: {total_price:.2f}")

# 找出最贵的商品价格
max_price = max(product_prices.values())
print(f"最贵商品的价格: {max_price}")

# 遍历所有值,进行一些操作
for price in product_prices.values():
    print(f"商品价格: {price}")

在这里,我压根不需要知道哪个价格对应哪个商品,我只关心价格本身。使用values()能让我直接专注于数据,而不会被键的信息分散注意力。

items()一样,keys()values()在Python 3中也返回视图对象,这同样带来了内存上的优势。它们不会创建完整的键列表或值列表,而是按需提供元素,这在处理大型字典时尤其重要。所以,根据你的具体需求,灵活选择keys()values()items(),是写出高效且清晰Python代码的关键。

遍历字典时,如果需要修改字典内容,有哪些需要注意的地方?

这是一个非常常见的陷阱,我个人也踩过不少坑。当你兴致勃勃地遍历一个字典,然后想在循环里删除某些元素,或者添加新的元素时,Python会毫不留情地给你一个RuntimeError: dictionary changed size during iteration。这并不是Python在刁难你,而是为了避免在迭代过程中,字典内部结构发生变化导致迭代器失效,进而产生不可预测的行为。

想象一下,你正在沿着一条路走,突然有人在你脚下挖了个坑,或者凭空多了一段路,你还能顺利地走下去吗?字典的迭代也是类似道理。

那么,如果我真的需要在遍历字典的时候进行修改,该怎么办呢?

最安全、最推荐的做法是:迭代字典的副本。这意味着你先复制一份键的列表或键值对的列表,然后在这个副本上进行迭代,而对原始字典进行修改。

my_dict = {'a': 1, 'b': 2, 'c': 3, 'd': 4}

# 错误示例:直接在迭代时删除
# for key in my_dict:
#     if my_dict[key] % 2 == 0:
#         del my_dict[key] # 这会报错!

# 正确做法1:迭代键的副本,修改原字典
keys_to_delete = []
for key in list(my_dict.keys()): # 迭代一个键的列表副本
    if my_dict[key] % 2 == 0:
        keys_to_delete.append(key)

for key in keys_to_delete:
    del my_dict[key]
print(f"删除偶数值后的字典: {my_dict}") # 输出: {'a': 1, 'c': 3}

# 另一个正确做法2:使用字典推导式创建新字典(如果目标是过滤)
original_dict = {'a': 1, 'b': 2, 'c': 3, 'd': 4}
new_dict = {key: value for key, value in original_dict.items() if value % 2 != 0}
print(f"使用字典推导式过滤后的字典: {new_dict}") # 输出: {'a': 1, 'c': 3}

通过list(my_dict.keys())或者list(my_dict.items()),你实际上创建了一个独立的列表,这个列表在迭代过程中是不会改变的。你对原始字典的修改,并不会影响这个列表的迭代。

如果你只是想修改字典中现有键对应的值,那通常是安全的。因为这种操作不会改变字典的大小或内部结构。

my_dict = {'a': 1, 'b': 2, 'c': 3}
for key, value in my_dict.items():
    my_dict[key] = value * 2 # 这是安全的,因为只修改了值
print(f"值翻倍后的字典: {my_dict}") # 输出: {'a': 2, 'b': 4, 'c': 6}

但即便如此,我个人还是倾向于在不确定的时候,尽量把需要修改的操作放在循环之外,或者先收集要修改的数据,再统一处理。这样可以避免很多潜在的逻辑错误,让代码更健壮、更易于理解和维护。毕竟,代码的清晰和可靠性,很多时候比那一点点“直接”的快感更重要。

相关文章

python速学教程(入门到精通)
python速学教程(入门到精通)

python怎么学习?python怎么入门?python在哪学?python怎么学才快?不用担心,这里为大家提供了python速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

WorkBuddy
WorkBuddy

腾讯云推出的AI原生桌面智能体工作台

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
TypeScript类型系统进阶与大型前端项目实践
TypeScript类型系统进阶与大型前端项目实践

本专题围绕 TypeScript 在大型前端项目中的应用展开,深入讲解类型系统设计与工程化开发方法。内容包括泛型与高级类型、类型推断机制、声明文件编写、模块化结构设计以及代码规范管理。通过真实项目案例分析,帮助开发者构建类型安全、结构清晰、易维护的前端工程体系,提高团队协作效率与代码质量。

1

2026.03.13

Python异步编程与Asyncio高并发应用实践
Python异步编程与Asyncio高并发应用实践

本专题围绕 Python 异步编程模型展开,深入讲解 Asyncio 框架的核心原理与应用实践。内容包括事件循环机制、协程任务调度、异步 IO 处理以及并发任务管理策略。通过构建高并发网络请求与异步数据处理案例,帮助开发者掌握 Python 在高并发场景中的高效开发方法,并提升系统资源利用率与整体运行性能。

39

2026.03.12

C# ASP.NET Core微服务架构与API网关实践
C# ASP.NET Core微服务架构与API网关实践

本专题围绕 C# 在现代后端架构中的微服务实践展开,系统讲解基于 ASP.NET Core 构建可扩展服务体系的核心方法。内容涵盖服务拆分策略、RESTful API 设计、服务间通信、API 网关统一入口管理以及服务治理机制。通过真实项目案例,帮助开发者掌握构建高可用微服务系统的关键技术,提高系统的可扩展性与维护效率。

140

2026.03.11

Go高并发任务调度与Goroutine池化实践
Go高并发任务调度与Goroutine池化实践

本专题围绕 Go 语言在高并发任务处理场景中的实践展开,系统讲解 Goroutine 调度模型、Channel 通信机制以及并发控制策略。内容包括任务队列设计、Goroutine 池化管理、资源限制控制以及并发任务的性能优化方法。通过实际案例演示,帮助开发者构建稳定高效的 Go 并发任务处理系统,提高系统在高负载环境下的处理能力与稳定性。

47

2026.03.10

Kotlin Android模块化架构与组件化开发实践
Kotlin Android模块化架构与组件化开发实践

本专题围绕 Kotlin 在 Android 应用开发中的架构实践展开,重点讲解模块化设计与组件化开发的实现思路。内容包括项目模块拆分策略、公共组件封装、依赖管理优化、路由通信机制以及大型项目的工程化管理方法。通过真实项目案例分析,帮助开发者构建结构清晰、易扩展且维护成本低的 Android 应用架构体系,提升团队协作效率与项目迭代速度。

90

2026.03.09

JavaScript浏览器渲染机制与前端性能优化实践
JavaScript浏览器渲染机制与前端性能优化实践

本专题围绕 JavaScript 在浏览器中的执行与渲染机制展开,系统讲解 DOM 构建、CSSOM 解析、重排与重绘原理,以及关键渲染路径优化方法。内容涵盖事件循环机制、异步任务调度、资源加载优化、代码拆分与懒加载等性能优化策略。通过真实前端项目案例,帮助开发者理解浏览器底层工作原理,并掌握提升网页加载速度与交互体验的实用技巧。

102

2026.03.06

Rust内存安全机制与所有权模型深度实践
Rust内存安全机制与所有权模型深度实践

本专题围绕 Rust 语言核心特性展开,深入讲解所有权机制、借用规则、生命周期管理以及智能指针等关键概念。通过系统级开发案例,分析内存安全保障原理与零成本抽象优势,并结合并发场景讲解 Send 与 Sync 特性实现机制。帮助开发者真正理解 Rust 的设计哲学,掌握在高性能与安全性并重场景中的工程实践能力。

226

2026.03.05

PHP高性能API设计与Laravel服务架构实践
PHP高性能API设计与Laravel服务架构实践

本专题围绕 PHP 在现代 Web 后端开发中的高性能实践展开,重点讲解基于 Laravel 框架构建可扩展 API 服务的核心方法。内容涵盖路由与中间件机制、服务容器与依赖注入、接口版本管理、缓存策略设计以及队列异步处理方案。同时结合高并发场景,深入分析性能瓶颈定位与优化思路,帮助开发者构建稳定、高效、易维护的 PHP 后端服务体系。

506

2026.03.04

AI安装教程大全
AI安装教程大全

2026最全AI工具安装教程专题:包含各版本AI绘图、AI视频、智能办公软件的本地化部署手册。全篇零基础友好,附带最新模型下载地址、一键安装脚本及常见报错修复方案。每日更新,收藏这一篇就够了,让AI安装不再报错!

170

2026.03.04

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
第三期培训_PHP开发
第三期培训_PHP开发

共116课时 | 27.7万人学习

Go语言教程-全程干货无废话
Go语言教程-全程干货无废话

共100课时 | 11.4万人学习

尚学堂ios初级视频教程
尚学堂ios初级视频教程

共77课时 | 18.4万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号