Python遍历字典键值对方法
掌握Python字典遍历技巧,提升代码效率!本文深入剖析了Python字典键值对遍历的最佳实践,强烈推荐使用`dict.items()`方法,它兼具可读性、高效性和内存友好性。同时,针对只需键或值的场景,分别介绍了`keys()`和`values()`的妙用。特别提醒,在遍历字典时修改内容需谨慎,推荐使用副本或字典推导式规避风险,避免迭代器失效。无论是初学者还是资深开发者,都能从中获得实用技巧,写出更优雅、更高效的Python代码。
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。

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:
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}")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}")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。
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()或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。
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。
和items()一样,keys()和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()或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。
到这里,我们也就讲完了《Python遍历字典键值对方法》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于键值对,Python字典,字典遍历,修改字典,dict.items()的知识点!
JavaScanner读取输入方法详解
- 上一篇
- JavaScanner读取输入方法详解
- 下一篇
- Runway笔刷教程:区域动态操作详解
-
- 文章 · python教程 | 10小时前 |
- Python json解析金额 JSON 保留 Decimal的实现方法
- 337浏览 收藏
-
- 文章 · python教程 | 12小时前 |
- Python csv为不同分隔符注册 Dialect的实现方法
- 421浏览 收藏
-
- 文章 · python教程 | 13小时前 | python · 临时文件 · tempfile · NamedTemporaryFile · 跨平台删除 ·
- Python tempfile让临时文件跨平台可删除的实现方法
- 274浏览 收藏
-
- 文章 · python教程 | 15小时前 |
- Python asyncio取消任务后等待清理完成的实现方法
- 168浏览 收藏
-
- 文章 · python教程 | 17小时前 |
- Python functools.cache 递归函数如何避免缓存错误结果
- 377浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · http.Client · HTTP连接 · Python http.Client HTTPResponse HTTPConnection
- Python http.client 读取响应后为何必须关闭连接
- 116浏览 收藏
-
- 文章 · python教程 | 20小时前 | 文件处理 · 安全 · python · Python zipfile ZipFile.extractall 危险路径
- Python zipfile ZipFile.extractall 如何检查危险路径
- 193浏览 收藏
-
- 文章 · python教程 | 22小时前 | 超时控制 · sqlite3 · Python教程 · 数据库排障 · SQLite查询 · Python sqlite3 set_progress_handler Python SQLite 查询超时 SQLite 中止长查询 Python 数据库执行预算
- Python sqlite3 set_progress_handler 如何中止超时查询
- 372浏览 收藏
-
- 文章 · python教程 | 23小时前 |
- Python multiprocessing forkserver 何时比 spawn 合适
- 271浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python contextlib.AsyncExitStack 如何清理异步资源
- 369浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 49次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 144次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 79次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 48次使用
-
- CMMLU
- 深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
- 30次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

