本篇将介绍更深入的循环应用与优化方法，重点放在高级技巧和场景实践。我们将讲解enumerate()与zip()的妙用、迭代器与生成器、并发循环以及性能优化技巧。这些内容将帮助您编写更高效、结构更合理的代码。
一、迭代器与生成器
1.1 使用迭代器
迭代器是一个对象，它实现了__iter__()和__next__()方法。通过迭代器，可以逐个访问序列中的元素。
my_list = [1, 2, 3]
it = iter(my_list)
print(next(it)) # 输出: 1
print(next(it)) # 输出: 2
print(next(it)) # 输出: 3
1.2 使用生成器
生成器通过yield关键字返回数据，可以节省内存。与迭代器不同的是，生成器在需要时才会生成数据。
def generate_numbers():
for i in range(5):
yield i
gen = generate_numbers()
for num in gen:
print(num)
输出：
0
1
2
3
4
二、enumerate()与zip()的高效应用
2.1 使用enumerate()获取索引和值
enumerate()让我们在遍历序列时同时获取元素及其索引。
fruits = ['苹果', '香蕉', '樱桃']
for index, fruit in enumerate(fruits):
print(f"{index}: {fruit}")
输出：
0: 苹果
1: 香蕉
2: 樱桃
2.2 使用zip()同时遍历多个序列
zip()可以将多个序列“拉链”在一起进行并行迭代。
names = ['Alice', 'Bob']
scores = [85, 90]
for name, score in zip(names, scores):
print(f"{name} 的成绩是 {score}")
输出：
Alice 的成绩是 85
Bob 的成绩是 90
三、列表推导式与字典推导式
3.1 列表推导式
列表推导式是一种简洁的方式创建列表。
squares = [x ** 2 for x in range(1, 6)]
print(squares)
输出：
[1, 4, 9, 16, 25]
3.2 字典推导式
字典推导式用于生成键-值对的字典。
squares_dict = {
x: x ** 2 for x in range(1, 6)}
print(squares_dict)
输出：
{1: 1, 2: 4, 3: 9, 4: 16, 5: 25}
四、循环中的异常处理
在循环中进行异常捕获，确保代码即使遇到错误也能继续执行或优雅退出。
numbers = [1, 2, '三', 4]
for num in numbers:
try:
print(num ** 2)
except TypeError:
print(f"无法计算 {num} 的平方")
输出：
1
4
无法计算 三 的平方
16
五、并行循环：concurrent.futures与asyncio
5.1 使用concurrent.futures进行并行处理
当需要同时处理多个任务时，可以利用ThreadPoolExecutor进行并行执行。
import concurrent.futures
def task(n):
return n ** 2
with concurrent.futures.ThreadPoolExecutor() as executor:
results = executor.map(task, range(5))
for result in results:
print(result)
输出：
0
1
4
9
16
5.2 使用asyncio处理异步任务
asyncio适用于处理I/O密集型任务，如网络请求。
import asyncio
async def async_task(n):
await asyncio.sleep(1)
print(f"完成任务 {n}")
async def main():
tasks = [async_task(i) for i in range(5)]
await asyncio.gather(*tasks)
asyncio.run(main())
输出：
完成任务 0
完成任务 1
完成任务 2
完成任务 3
完成任务 4
六、循环的性能优化
6.1 使用生成器减少内存开销
当处理大量数据时，使用生成器可以有效节省内存。
def large_range():
for i in range(1, 10**6):
yield i
for num in large_range():
if num > 10:
break
print(num)
输出：
1
2
3
...
10
6.2 减少不必要的循环嵌套
避免深层嵌套可以提升代码效率。
# 优化前
for i in range(100):
for j in range(100):
if i + j == 50:
print(i, j)
# 优化后
for i in range(51):
j = 50 - i
print(i, j)
七、小结
本篇介绍了Python循环中的高级技巧，包括迭代器、生成器、enumerate()、zip()的高效使用，以及列表与字典推导式。我们还探讨了如何通过异常处理保障代码稳定性，并展示了并发和异步任务的实现。此外，通过性能优化技巧，您将学会编写简洁高效的循环代码，在大型项目中实现更优雅的代码结构。
八、通知
💡即日起，本系列将暂停更新两个月，全力专注于《Mac畅玩鸿蒙与硬件》系列的连载内容。感谢您的理解与支持！
