学习 Python：强大的面向对象编程（第 5 版）字典——迭代和优化
如果上一节的for看起来像之前介绍过的列表理解表达式，这是应该的：它们两个都是真正的通用迭代工具。事实上，它们两个都适用于任何遵循迭代协议（在Python中所有迭代工具下的无处不在的理念）的可迭代对象。
简要地说，如果对象是在内存中的物理存储序列，或是在迭代操作（一种“虚拟”序列）上下文中每次生成一项的对象，那它就是可迭代的。更规范地，两种对象都被认为是可迭代的，因为它们支持迭代协议——它们以一个在响应next调用而向前推进的对象来响应iter调用，并当生成所有值后引发异常。
之前看到的generator理解表达式就是这种对象：它的值并不一次性存储在内存中，但按请求产生（通常是被迭代工具）。当Python文件对象被一个迭代工具使用时，是类似地逐行迭代：文件内容不是列表，它是按需获取的。在Python中，这两种都是可迭代对象——一个3.X中扩展的种类，来引入像range和map这样的核心工具。
本书后面对迭代协议有更多论述。暂时记住每个从左到右扫描对象的Python工具都使用迭代协议。这是为什么在之前章节中使用的sorted调用直接适用于字典的原因——不必调用keys方法来获得一个序列，因为字典是可迭代对象，带有一个next返回连续的键。
它可能还帮助你认识到任何列表理解表达式（比如这个，它计算了一个数字列表的平方）：
>>> squares = [x ** 2 for x in [1, 2, 3, 4, 5]]
>>> squares
[1, 4, 9, 16, 25]总能被编码为for循环的等价物，在这个过程中用手动追加的方式构建起结果列表：
>>> squares = []
>>> for x in [1, 2, 3, 4, 5]: # 这是列表理解做的事情
squares.append(x ** 2) # 内部都运行迭代协议
>>> squares
[1, 4, 9, 16, 25]两个工具都在内部利用了迭代工具并产生了同样结果。然而，列表理解和相关的函数式编程工具如map 和 filter 目前在一些类型的代码上都经常运行得比 for 循环更快（甚至可能快两倍）——对大数据集，这个属性在你的程序中可能很重要。然而，话虽如此，应该指出性能测量在Python中是很棘手的任务，因为它自身优化了很多，而且它们随版本不同而不同。
在Python中的一个经验法则是首先简单可靠地编码，在程序工作起来后，在已证明了有真正的性能问题后，再去担心性能。通常，代码会足够快而无需修改。然而，如果确实需要为性能而微调代码，Python包括了帮助你的工具，包括time和timeit模块用来测量替代方案的速度，还有profile模块用于隔离瓶颈。
本书后面和Python手册中有关于这些的更多知识（特别是见第21章的评分案例研究）。因为这只是预览，让我们前进到下一个核心数据类型。
关于 LearnKu
粤公网安备 44030502004330号