Python 容器使用的 5 个技巧和 2 个误区( 六 ) _Python

常见误区1. 当心那些已经枯竭的迭代器在文章前面，我们提到了使用“懒惰”生成器的种种好处。但是，所有事物都有它的两面性。生成器的最大的缺点之一就是：它会枯竭。当你完整遍历过它们后，之后的重复遍历就不能拿到任何新内容了。

numbers = [1, 2, 3]
numbers = (i * 2 for i in numbers)

# 第一次循环会输出 2, 4, 6
for number in numbers:
print(number)

# 这次循环什么都不会输出，因为迭代器已经枯竭了
for number in numbers:
print(number)

而且不光是生成器表达式，Python 3 里的 map、filter 内建函数也都有一样的特点。忽视这个特点很容易导致代码中出现一些难以察觉的 Bug 。
Instagram 就在项目从 Python 2 到 Python 3 的迁移过程中碰到了这个问题。它们在 PyCon 2017 上分享了对付这个问题的故事。访问文章 Instagram 在 PyCon 2017 的演讲摘要，搜索“迭代器”可以查看详细内容。

2. 别在循环体内修改被迭代对象这是一个很多 Python 初学者会犯的错误。比如，我们需要一个函数来删掉列表里的所有偶数：

def remove_even(numbers):
"""去掉列表里所有的偶数
"""
for i, number in enumerate(numbers):
if number % 2 == 0:
# 有问题的代码
del numbers[i]

numbers = [1, 2, 7, 4, 8, 11]
remove_even(numbers)
print(numbers)
# OUTPUT: [1, 7, 8, 11]

注意到结果里那个多出来的 “8” 了吗？当你在遍历一个列表的同时修改它，就会出现这样的事情。因为被迭代的对象 numbers在循环过程中被修改了。遍历的下标在不断增长，而列表本身的长度同时又在不断缩减。这样就会导致列表里的一些成员其实根本就没有被遍历到。
所以对于这类操作，请使用一个新的空列表保存结果，或者利用 yield返回一个生成器。而不是修改被迭代的列表或是字典对象本身。

总结在这篇文章中，我们首先从“容器类型”的定义出发，在底层和高层两个层面探讨了容器类型。之后遵循系列文章传统，提供了一些编写容器相关代码时的技巧。
让我们最后再总结一下要点：

了解容器类型的底层实现，可以帮助你写出性能更好的代码
提炼需求里的抽象概念，面向接口而非实现编程
多使用“懒惰”的对象，少生成“迫切”的列表
使用元组和字典可以简化分支代码结构
使用 next函数配合迭代器可以高效完成很多事情，但是也需要注意“枯竭”问题
collections、itertools 模块里有非常多有用的工具，快去看看吧！

看完文章的你，有没有什么想吐槽的？请留言或者在项目 Github Issues 告诉我吧。

注解

Python 这门语言除了 CPython 外，还有许许多多的其他版本实现。如无特别说明，本文以及 “Python 工匠” 系列里出现的所有 Python 都特指 Python 的 C 语言实现 CPython
Python 里没有类似其他编程语言里的“Interface 接口”类型，只有类似的“抽象类”概念。为了表达方便，后面的内容均统一使用“接口”来替代“抽象类” 。
有没有只实现了 Mapping 但又不是 MutableMapping 的类型？试试 MappingProxyType({})
有没有只实现了 Set 但又不是 MutableSet 的类型？试试 frozenset