[python篇] [伯乐在线][1]永远别写for循环

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：

Python

#

with ...:

    for ...:

        if ...:

            try:

            except:

        else:

1

2

3

4

5

6

7

#

with ...:

    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” – 《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：

Python

result = []

for item in item_list:

    new_item = do_something_with(item)

    result.append(item)

1

2

3

4

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：

Python

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

1

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？）

Python

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

1

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。）

Python

doubled_list = map(lambda x: x * 2, old_list)

1

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

Python

from functools import reduce

summation = reduce(lambda x, y: x + y, numbers)

1

2

from functools import reduce

summation = 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：

Python

>>> 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, 2, 3, 4, 5, 6, 7, 8, 9]

>>> set(a)

{0, 1, 2, 3, 4, 5, 6, 7, 8, 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, 8, 7, 6, 5, 4, 3, 2, 1, 0]

>>> str(a)

'[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]'

>>> sum(a)

45

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

>>> 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, 2, 3, 4, 5, 6, 7, 8, 9]

>>> set(a)

{0, 1, 2, 3, 4, 5, 6, 7, 8, 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, 8, 7, 6, 5, 4, 3, 2, 1, 0]

>>> str(a)

'[0, 1, 2, 3, 4, 5, 6, 7, 8, 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：

Python

results = []

for item in item_list:

    # setups

    # condition

    # processing

    # calculation

    results.append(result)

1

2

3

4

5

6

7

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：

Python

def process_item(item):

    # setups

    # condition

    # processing

    # calculation

    return result

results = [process_item(item) for item in item_list]

1

2

3

4

5

6

7

8

def process_item(item):

    # setups

    # condition

    # processing

    # calculation

    return result

results = [process_item(item) for item in item_list]

嵌套的for循环怎么样？

Python

results = []

for i in range(10):

    for j in range(i):

        results.append((i, j))

1

2

3

4

results = []

for i in range(10):

    for j in range(i):

        results.append((i, j))

列表解析可以帮助你：

Python

results = [(i, j)

           for i in range(10)

           for j in range(i)]

1

2

3

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？

Python

# finding the max prior to the current item

a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]

results = []

current_max = 0

for i in a:

    current_max = max(i, current_max)

    results.append(current_max)

# results = [3, 4, 6, 6, 6, 9, 9, 9, 9, 9]

1

2

3

4

5

6

7

8

9

# finding the max prior to the current item

a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]

results = []

current_max = 0

for i in a:

    current_max = max(i, current_max)

    results.append(current_max)

# results = [3, 4, 6, 6, 6, 9, 9, 9, 9, 9]

让我们提取一个表达式来实现这些：

Python

def max_generator(numbers):

    current_max = 0

    for i in numbers:

        current_max = max(i, current_max)

        yield current_max

a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]

results = list(max_generator(a))

1

2

3

4

5

6

7

8

def max_generator(numbers):

    current_max = 0

    for i in numbers:

        current_max = max(i, current_max)

        yield current_max

a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 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：

Python

from itertools import accumulate

a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8]

resutls = list(accumulate(a, max))

1

2

3

from itertools import accumulate

a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 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

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：

Python

# 1

with...:

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。

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：

Python

result=[]

foritem initem_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：

Python

1	result=[do_something_with(item)foritem initem_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？）

Python

1	result=(do_something_with(item)foritem initem_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。）

Python

1	doubled_list=map(lambdax:x*2,old_list)

如果你想使一个序列减少到一个元素，使用reduce

Python

1 2	fromfunctoolsimportreduce summation=reduce(lambdax,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：

Python

>>>a=list(range(10))

>>>a

[0,1,2,3,4,5,6,7,8,9]

>>>all(a)

False

>>>any(a)

True

>>>max(a)

>>>min(a)

>>>list(filter(bool,a))

[1,2,3,4,5,6,7,8,9]

>>>set(a)

{0,1,2,3,4,5,6,7,8,9}

>>>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)

[9,8,7,6,5,4,3,2,1,0]

>>>str(a)

'[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]'

>>>sum(a)

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：

Python

results=[]

foritem initem_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：

Python

defprocess_item(item):

# setups

# condition

# processing

# calculation

returnresult

results=[process_item(item)foritem initem_list]

嵌套的for循环怎么样？

Python

results=[]

foriinrange(10):

forjinrange(i):

results.append((i,j))

列表解析可以帮助你：

Python

results=[(i,j)

foriinrange(10)

forjinrange(i)]

如果你要保存很多的内部状态怎么办呢？

Python

# finding the max prior to the current item

a=[3,4,6,2,1,9,0,7,5,8]

results=[]

current_max=0

foriina:

current_max=max(i,current_max)

results.append(current_max)

# results = [3, 4, 6, 6, 6, 9, 9, 9, 9, 9]

让我们提取一个表达式来实现这些：

Python

defmax_generator(numbers):

current_max=0

foriinnumbers:

current_max=max(i,current_max)

yieldcurrent_max

a=[3,4,6,2,1,9,0,7,5,8]

results=list(max_generator(a))

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：

Python

fromitertoolsimportaccumulate

a=[3,4,6,2,1,9,0,7,5,8]

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。