一篇文章掌握 Python 内置 zip() 的全部内容

zip() 是 Python 中最好用的内置类型之一，它可以接收多个可迭代对象参数，再返回一个迭代器，可以把不同可迭代对象的元素组合起来。

我之前写迭代器系列的时候，在《 Python进阶：设计模式之迭代器模式 》中简单地介绍过它，前几天翻译了 Python 3.10 采纳的PEP-618 ，介绍了它将会迎来的变更。

但是，还有不少同学并不知道 zip()，或者不能熟练掌握它的用法，因此本文打算来做一个更为详细的梳理。

内容主要分三部分：

• 用法部分：介绍它的基础用法、高级用法、骚操作用法

• 进阶部分：介绍它的实现原理，关注几个实现的细节

• 发散部分：聚焦它的不足，以及解决方法

1、zip() 的 n 种用法

基本用法：像拉链一样，将多个可迭代对象组合起来，然后可以用 for 循环依次取出，或者一次性将结果存入列表、元组或者字典之类的容器中。

它的结果是一个迭代器，迭代器生成的元素是元组，第 i 个元组的元素分别来自可迭代对象参数的第 i 个元素，如上图所示。

另外，for 循环还可以把元组内的元素依次取出，这样会很方便：

它的参数并不要求是同一类的可迭代对象，因此可以有非常多的组合方式，例如：

但是，如果把字典作为 zip() 的参数，会是什么结果呢？字典是 key-value 键值对形式，跟列表之类的单一元素结构不同。

实验一下，可以看出，zip() 默认只会遍历字典的 key 值：

如果想要取出字典的 value 值，或者取出 key-value 键值对，那么可以使用字典自带的遍历方法 values() 和 items()：

使用 zip()，还可以比较方便地对二维列表实现行列转换：

上例中的星号（*）操作符可以解包（unpacking），即将 my_list 的元素（也是列表）解成多个参数给 zip()，从而将 3 个列表重新组合。

解包操作符对于 zip 对象同样适用，因为 zip() 本身是一次行列转换的操作，若将它解包后作为参数给 zip()，等于再做一次行列转换，也就是回到了原点（除了最后的结果是元组）：

最后再介绍一种用法：创建 n*n 的方阵，每行的数字相同。

2、zip() 的原理解析

官方文档中给出了 zip() 的 Python 伪代码（并非是 Python 解释器内置的实现，只为了展示基本的代码逻辑）：

def zip(*iterables):
    # zip('ABCD', 'xy') --> Ax By
    sentinel = object()
    iterators = [iter(it) for it in iterables]
    while iterators:
        result = []
        for it in iterators:
            elem = next(it, sentinel)
            if elem is sentinel:
                return
            result.append(elem)
        yield tuple(result)

在这段简短的代码中，可以分析出几点关键的信息：

• zip 接收可变数量的可迭代对象参数，这些参数会经过 iter() 处理成迭代器。推论：若出现非可迭代对象，此处会报错

• while 循环在判断列表是否为空，而列表中的元素是将参数转化而成的迭代器。推论：若入参存在有效的可迭代对象，则 while 循环始终为真；若没有入参，则什么都不做

• next() 会依次读取迭代器中的下一个元素，它的第二个参数会作为迭代器耗尽时的返回值。推论：每一轮依次取出这些迭代器的一个元素，当某个迭代被耗尽时，则退出死循环，这就意味着未耗尽的迭代器会被直接舍弃

3、zip() 的问题与解决

zip() 最明显的问题是它会舍弃掉未耗尽的迭代器：

这是一种木桶效应，最终的结果由最短的木板来决定。

有一种解决思路是取长板，同时补足短板（用 None 值填充），这就是 itertools 中的 zip_longest 方法：

它填充了冗余数据，同时最大限度地保证了原始数据的完整性。

但是，如果我们不希望有冗余数据，只希望得到按最长方式对齐的数据呢？

Python 官方最近采纳了 PEP-618，它就是为了应对这个问题。当出现迭代器长度不一致时，它既不向短板妥协，也不向长板妥协，而是抛出 ValueError。它认为入参值错误，也就是严格要求入参的数据完整性。

该 PEP 会被合入到一年后的 Python 3.10 版本，关于更多的内容细节，可查阅这篇PEP-618 译文 。

优质文章，推荐阅读：

为什么range不是迭代器？range到底是什么类型？

Python在计算内存时应该注意的问题？

Python对象的身份迷思：从全体公民到万物皆数

Python 3.9 性能优化：更快的 list()、dict() 和 range() 等内置类型