牧羊人nacy
使用iter（或其他逻辑，例如生成器表达式，声明委托给字典的生成器函数，使用islice等）都是某种形式的包装器，它将.__next__()方法和一些位置簿记添加到对象的视图中next()操作.这些在很大程度上起作用是因为字典是可迭代的，但没有.__next__()方法，所以iter等人。正在调用该方法，该方法返回一个具有该方法并且是dict 的视图__iter__的可迭代对象。__next__每个 case 只是一个 O(1) 调用的包装器，因此一旦声明，它们都将在 O(1) 时间内运行https://wiki.python.org/moin/TimeComplexity这是一个演示首先创建一个相当大的字典（这在慢速系统上可能需要一段时间）>>> from uuid import uuid4>>> d = {str(uuid4()):str(uuid4()) for _ in range(1000000)}显示这可以直接从现有方法完成>>> next(d.__iter__()'1273a529-d406-4076-8acc-8993f2613ad4'>>> type(d.__iter__())<class 'dict_keyiterator'>更多对象>>> n1 = iter(d) # iter function>>> n2 = (k for k in d) # generator expression>>> def y(): # generator delegation... yield from d...>>> import itertools>>> i = itertools.islice(d, 1) # slice one entry from iterable>>> type(n1)<class 'dict_keyiterator'>>>> type(n2)<class 'generator'>>>> type(y())<class 'generator'>>>> type(i)<class 'itertools.islice'>这些中的每一个都可以用来读取第一个键>>> next(n1)'1273a529-d406-4076-8acc-8993f2613ad4'>>> next(n2)'1273a529-d406-4076-8acc-8993f2613ad4'>>> next(y())'1273a529-d406-4076-8acc-8993f2613ad4'>>> next(i)'1273a529-d406-4076-8acc-8993f2613ad4'证明这些都提供了下一个方法>>> dir(d)['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']>>> "__next__" in dir(d)False>>> "__next__" in dir(n1)True>>> "__next__" in dir(n2)True>>> "__next__" in dir(y())True>>> "__next__" in dir(i)True最后，如果需要前 N 个值（而不仅仅是第一个 from ），也可以在循环中有效地调用这些直到达到某个长度或被islicefromitertoolsnext()切片，但是当形成列表等时会产生一些进一步的开销>>> import itertools>>> list(itertools.islice(d, 5))['1273a529-d406-4076-8acc-8993f2613ad4', 'a920460d-a193-455c-979c-a91fd700f927', 'aeccb371-43d1-4690-8aaa-d6de0cbe3801', '9aaf2a96-9ef4-4610-8723-8401008e190a', 'e4b450aa-50a2-409a-a5b2-ab88285eb770']>>> list(itertools.islice(y(), 5))['1273a529-d406-4076-8acc-8993f2613ad4', 'a920460d-a193-455c-979c-a91fd700f927', 'aeccb371-43d1-4690-8aaa-d6de0cbe3801', '9aaf2a96-9ef4-4610-8723-8401008e190a', 'e4b450aa-50a2-409a-a5b2-ab88285eb770']>>> list(itertools.islice(n1, 5))['1273a529-d406-4076-8acc-8993f2613ad4', 'a920460d-a193-455c-979c-a91fd700f927', 'aeccb371-43d1-4690-8aaa-d6de0cbe3801', '9aaf2a96-9ef4-4610-8723-8401008e190a', 'e4b450aa-50a2-409a-a5b2-ab88285eb770']>>> list(itertools.islice(n2, 5))['1273a529-d406-4076-8acc-8993f2613ad4', 'a920460d-a193-455c-979c-a91fd700f927', 'aeccb371-43d1-4690-8aaa-d6de0cbe3801', '9aaf2a96-9ef4-4610-8723-8401008e190a', 'e4b450aa-50a2-409a-a5b2-ab88285eb770']