forzip python_python如何用zip并行迭代？

由点及面，我们一起把range、zip和enumerate的迭代都介绍一下

内置函数range：用来返回一系列连续增加的整数

这个函数产生的连续增加的整数序列，可以作为for循环迭代的索引

for x in range(5):

print(x, end=',')

0,1,2,3,4,

range也可以用在任何需要整数列表的地方。直接打印range函数的返回值是不能直接返回一个整数列表的，如果将其作为一个参数传给list函数，则可以一次性显示全部结果。

print(range(5))

range(0, 5)

print(list(range(-5,5)))

[-5, -4, -3, -2, -1, 0, 1, 2, 3, 4]

内置函数range在for循环中是最常用的，它提供了一种简单的方法，重复特定次数的动作。

当然还可以做一些定制工作，比如在遍历的过程中跳过一些元素。例如每隔一个元素对字符串进行遍历：

S = 'abcdefghijklmn'

for i in range(0,len(S),2):

print(S[i], end=',')

a,c,e,g,i,k,m,

当然，这只是一个示例，我们之前提到过的分片表达式才是实现该功能的最简单的方法，这个我们之前是介绍过的：

S = 'abcdefghijklmn'

for c in S[::2]:

print(c, end=',')

a,c,e,g,i,k,m,

和文件迭代一样，这里range函数的优点也是明显的，它没有复制字符串，不会在python中再创建一个字符串列表，这对于很大的字符串来说，会节约不少空间。

zip：用来并行迭代多个序列

内置zip函数允许我们使用for循环来并行迭代多个序列。zip使用多个序列作为参数，然后返回元组的列表，将这些序列中的并排元素一一配对。

L1 = [1,2,3,4,5]

L2 = ['A','B','C','D','E']

for t in zip(L1,L2):

print(t, end=',')

(1, 'A'),(2, 'B'),(3, 'C'),(4, 'D'),(5, 'E'),

和range一样，zip在遍历时也是依次按需产生结果，而不是一次性显示所有结果

L1 = [1,2,3,4,5]

L2 = ['A','B','C','D','E']

print(zip(L1,L2))

同样的，如果想一次性显示所有结果，则必须将其包含在一个list调用中，以便一次性显示所有结果

L1 = [1,2,3,4,5]

L2 = ['A','B','C','D','E']

print(list(zip(L1,L2)))

[(1, 'A'), (2, 'B'), (3, 'C'), (4, 'D'), (5, 'E')]

最后只说明一点，当zip的多个参数长度不同时，zip会以最短序列的长度为准来截断所得到的元组

L1 = [1,2,3,4,5]

L2 = ['A','B','C']

print(list(zip(L1,L2)))

[(1, 'A'), (2, 'B'), (3, 'C')]

回顾一下，之前我们谈到过，当字典的键和值必须在运行时计算产生时，zip函数可以用于产生这样的字典

keys = ['A', 'B', 'C']

vals = [1, 2, 3]

D = dict(zip(keys,vals))

print(D)

{'C': 3, 'A': 1, 'B': 2}

enumerate：用来同时产生偏移和元素

有时我们在遍历的时候，既需要偏移值，又需要对应元素，那么内置函数enumerate就可以实现这个功能。

他在for循环的条件下每轮迭代返回一个包含偏移值和偏移元素的元组：(index,value)

S = 'spam'

for t in enumerate(S):

print(t,end=' ')

(0, 's') (1, 'p') (2, 'a') (3, 'm')

同样，他也是按需产生，而非一次性产生所有元素的列表

S = 'spam'

print(enumerate(S))

这种高级技巧课程的内容还是挺多的，需要多多练习才能好好掌握~

关于数据科学更系统、更深入的探讨可进入我们的专栏《Python数据科学之路》：酱油哥：来吧，一起踏上Python数据科学之路​zhuanlan.zhihu.com

整个专栏共分8季：

第一季：Python编程语言核心基础。

第二季：数据分析基本工具。

第三季：线性代数核心-Python描述。

第四季：时间序列分析-Python描述。

第五季：概率统计基础-Python描述。

第六季：最优化方法-Python描述。

第七季：机器学习典型算法专题。

第八季：实战环节深度应用。