Pythonenumerate()详解与实用技巧
今日不肯埋头,明日何以抬头!每日一句努力自己的话哈哈~哈喽,今天我将给大家带来一篇《Python enumerate()作用与使用技巧》,主要内容是讲解等等,感兴趣的朋友可以收藏或者有更好的建议在评论提出,我都会认真看的!大家一起进步,一起学习!
enumerate() 可同时获取可迭代对象的索引和值,提升代码可读性、安全性和通用性,支持列表、元组、字符串、字典、集合、文件及生成器等,并可通过 start 参数自定义起始索引。

enumerate() 在 Python 中是一个非常实用的内置函数,它的核心作用是在遍历一个可迭代对象(如列表、元组、字符串等)时,同时获取每个元素的索引和值。这让我们的循环代码更加简洁、易读,也更符合 Python 的设计哲学。
解决方案
当你需要在一个循环中不仅访问集合里的元素,还想知道这个元素是第几个(它的位置),enumerate() 就是你的不二之选。它本质上做的事情是把一个可迭代对象变成一个“枚举”对象,这个枚举对象每次迭代都会吐出一个包含 (索引, 值) 的元组。
举个最简单的例子,假设你有一个水果列表,想打印出每个水果及其在列表中的序号:
fruits = ["apple", "banana", "cherry", "date"]
# 使用 enumerate()
for index, fruit in enumerate(fruits):
print(f"Index {index}: {fruit}")
# 输出:
# Index 0: apple
# Index 1: banana
# Index 2: cherry
# Index 3: date你看,代码是不是比 for index in range(len(fruits)): print(f"Index {index}: {fruits[index]}") 这种写法要优雅得多?不仅减少了手动索引的麻烦,也避免了潜在的 IndexError 风险,特别是当你处理的不是列表而是其他更复杂的迭代器时。它直接给你打包好了索引和值,省心。
为什么在Python循环中推荐使用enumerate()而不是手动索引?
这其实是个很经典的 Pythonic 问题。我个人觉得,enumerate() 的优势主要体现在几个方面:
首先,代码可读性。for index, item in enumerate(my_list): 这种结构一眼就能看出你在同时处理索引和元素,意图非常明确。相比之下,for i in range(len(my_list)): item = my_list[i] 这种方式,你需要多一行代码来获取元素,而且 range(len()) 本身就有点啰嗦。在我看来,Python 追求的就是这种“读起来像英文”的自然感,enumerate() 显然更胜一筹。
其次,安全性与健壮性。当你使用 range(len(my_list)) 时,万一 my_list 是空的,len(my_list) 就会是 0,range(0) 没问题。但如果你不小心写错了,或者处理的是一个生成器(它没有 len()),那么 len() 就会报错。enumerate() 就不存在这个问题,它直接作用于可迭代对象,如果对象为空,循环自然不会执行,不会有额外的错误。它就像一个贴心的管家,把索引和值都准备好,你只需要直接用就行,不用操心背后的细节。
最后,通用性。enumerate() 不仅仅适用于列表,它能与任何可迭代对象协同工作。这意味着你可以用它遍历元组、字符串、字典(默认是键)、文件对象甚至是自定义的迭代器。而 range(len()) 这种方式,就要求你的对象必须有 len() 方法,限制了它的适用范围。有时候,我们甚至会遇到一些只支持迭代但不支持随机访问的对象,这时候 enumerate() 的优势就更明显了。
enumerate()函数的起始索引可以修改吗?如何实现?
当然可以!enumerate() 默认是从 0 开始计数的,这符合 Python 的索引习惯。但很多时候,我们可能希望序号从 1 开始,比如在给用户展示一个编号列表的时候。enumerate() 考虑到了这一点,它提供了一个可选参数 start。
你只需要在调用 enumerate() 时,传入 start 参数,指定你希望的起始索引值就行了。
items = ["first", "second", "third"]
# 默认从 0 开始
print("--- 默认从 0 开始 ---")
for i, item in enumerate(items):
print(f"Item {i}: {item}")
# 输出:
# Item 0: first
# Item 1: second
# Item 2: third
# 从 1 开始计数
print("\n--- 从 1 开始计数 ---")
for i, item in enumerate(items, start=1):
print(f"Item {i}: {item}")
# 输出:
# Item 1: first
# Item 2: second
# Item 3: third这个 start 参数非常实用,它避免了我们在循环内部手动 index + 1 的操作,让代码保持整洁。这在处理一些需要 1-based 索引的场景(比如行号、排名等)时,简直是神器。
除了列表,enumerate()还能和哪些Python数据结构一起使用?
enumerate() 的强大之处就在于它的通用性,它并不局限于列表。只要是 Python 中的“可迭代对象”(iterable),enumerate() 就能派上用场。这意味着它能与几乎所有你能在 for 循环中使用的对象一起工作。
我们来看几个常见的例子:
字符串 (String): 字符串本身就是字符的序列。
word = "Python" for i, char in enumerate(word): print(f"Character at position {i}: {char}") # 输出: # Character at position 0: P # Character at position 1: y # ...元组 (Tuple): 元组和列表类似,都是有序序列。
my_tuple = ("apple", "banana", "orange") for i, fruit in enumerate(my_tuple): print(f"Fruit {i}: {fruit}")字典 (Dictionary): 当你直接迭代字典时,默认会迭代它的键 (keys)。
my_dict = {"name": "Alice", "age": 30, "city": "New York"} for i, key in enumerate(my_dict): print(f"Key {i}: {key} -> Value: {my_dict[key]}") # 输出: # Key 0: name -> Value: Alice # Key 1: age -> Value: 30 # Key 2: city -> Value: New York如果你想同时迭代键和值,通常会用
my_dict.items():for i, (key, value) in enumerate(my_dict.items()): print(f"Item {i}: {key}={value}")集合 (Set): 集合是无序的,所以
enumerate()给出的索引并不代表元素的固定位置,而是当前迭代顺序下的一个序号。每次运行,输出的顺序可能不同,但enumerate()依然会给当前迭代的每个元素一个序号。my_set = {"red", "green", "blue"} for i, color in enumerate(my_set): print(f"Color {i}: {color}") # 输出可能像这样(顺序不定): # Color 0: green # Color 1: blue # Color 2: red文件对象 (File Object): 在读取文件时,
enumerate()可以很方便地获取行号。# 假设有一个名为 'example.txt' 的文件 # 内容: # Line 1 content # Line 2 content # Line 3 content # with open('example.txt', 'r') as f: # for line_num, line in enumerate(f, start=1): # print(f"Line {line_num}: {line.strip()}") # .strip() 去除行尾换行符 # 输出: # Line 1: Line 1 content # Line 2: Line 2 content # Line 3: Line 3 content(这里我注释掉了文件操作代码,因为没有实际文件,但逻辑是这样。)
生成器 (Generator) 或其他自定义迭代器: 任何实现了迭代器协议的对象,
enumerate()都能正常工作。
所以,enumerate() 的适用范围非常广,它是处理任何需要同时获取元素和其在迭代中位置的场景的“瑞士军刀”。理解并善用它,能让你的 Python 代码更地道、更高效。
本篇关于《Pythonenumerate()详解与实用技巧》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
表格合并技巧:COLSPAN和ROWSPAN使用教程
- 上一篇
- 表格合并技巧:COLSPAN和ROWSPAN使用教程
- 下一篇
- Premiere字幕添加教程文字工具使用技巧
-
- 文章 · python教程 | 2天前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 文章 · python教程 | 2天前 | 配置 · python · Python教程 · 配置管理 Python 3.15 frozendict 不可变映射
- Python 3.15 frozendict 内置类型的配置使用场景
- 192浏览 收藏
-
- 文章 · python教程 | 2天前 | 序列化 · python · Python pickle 进程池 multiprocessing Pool
- Python multiprocessing 进程池传递不可序列化对象
- 255浏览 收藏
-
- 文章 · python教程 | 2天前 | 数据一致性 · Python教程 · Python 事务 自动提交 sqlite3 autocommit isolation_level
- Python sqlite3 事务模式与自动提交边界
- 197浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 2天前 | 面向对象 · python · Python教程 · InitVar __post_init__ Python dataclass 派生字段 field(init=False)
- Python dataclass __post_init__ 计算派生字段
- 303浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 2天前 | 异常处理 · 异步编程 · Python教程 · asyncio · 后台任务 任务取消 CancelledError Python asyncio asyncio.shield
- Python asyncio.shield 保护后台任务免受外层取消
- 407浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480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。
- 444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。
- 516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。
- 529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。
- 477次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 300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

