在 Python 开发中字典dict是最常用的数据结构之一以键值对形式存储数据具备查询快、易操作的特点。而字典的遍历是日常开发中高频操作 —— 从简单的数据读取到大规模数据处理、接口返回值解析都离不开字典遍历。但很多新手甚至资深开发者只知道for key in dict这一种遍历方式不仅代码可读性差还可能在处理大数据量时出现性能瓶颈。本文将系统总结 Python 字典的5 种常用遍历方法通过实测对比不同方法的性能差异并分享实战中的遍历优化技巧让你写出更优雅、更高效的代码。环境说明本文基于 Python 3.8 版本测试Python3.7 字典默认有序不影响遍历逻辑一、Python 字典基础回顾字典是可变、无序3.7 有序、键唯一的映射类型基本定义格式python运行# 基础字典定义 student_dict { name: 张三, age: 22, gender: 男, major: 计算机科学 }字典的核心组成键key唯一且不可变字符串、数字、元组值value可重复、可任意类型键值对key: value二、字典的 5 种常用遍历方法方法 1遍历字典的键key这是最基础的遍历方式直接for循环字典默认遍历所有键。python运行student_dict {name: 张三, age: 22, gender: 男, major: 计算机科学} # 方法1直接遍历键 for key in student_dict: print(f键{key}值{student_dict[key]})优点写法最简单无需额外方法缺点需要通过dict[key]取值代码稍繁琐方法 2遍历字典的值value使用values()方法只遍历字典的值不关心键。python运行# 方法2遍历值values() for value in student_dict.values(): print(f值{value})适用场景只需要获取数据不需要键的场景如统计值的总和、最大值方法 3同时遍历键和值最常用使用items()方法一次性获取键 值代码最简洁、可读性最高。python运行# 方法3遍历键值对items() for key, value in student_dict.items(): print(f键{key}值{value})优点无需手动取值代码优雅推荐日常开发优先使用缺点无明显缺点通用型最强方法 4通过 keys () 遍历键和方法 1 逻辑一致显式调用keys()方法语义更清晰。python运行# 方法4keys() 遍历键 for key in student_dict.keys(): print(f键{key}值{student_dict[key]})适用场景需要明确强调「遍历键」的代码提升可读性方法 5枚举遍历带索引使用enumerate()结合items()遍历同时获取索引 键 值适合需要记录遍历顺序的场景。python运行# 方法5带索引的遍历enumerate for index, (key, value) in enumerate(student_dict.items()): print(f索引{index}键{key}值{value})适用场景需要给字典数据加序号、分页展示等场景三、不同遍历方法的性能对比光会用还不够大数据量下遍历性能直接影响程序效率。我构造了一个包含100 万条数据的字典分别测试 5 种方法的遍历耗时结果如下测试代码python运行import time # 构造100万条数据的大字典 big_dict {fkey_{i}: fvalue_{i} for i in range(1000000)} # 测试方法1直接遍历键 start time.time() for key in big_dict: pass print(f方法1 耗时{time.time() - start:.6f}s) # 测试方法2values() start time.time() for value in big_dict.values(): pass print(f方法2 耗时{time.time() - start:.6f}s) # 测试方法3items() start time.time() for key, value in big_dict.items(): pass print(f方法3 耗时{time.time() - start:.6f}s) # 测试方法4keys() start time.time() for key in big_dict.keys(): pass print(f方法4 耗时{time.time() - start:.6f}s) # 测试方法5enumerate items() start time.time() for index, (key, value) in enumerate(big_dict.items()): pass print(f方法5 耗时{time.time() - start:.6f}s)测试结果平均值表格遍历方法耗时秒性能评级直接遍历键0.0215⭐⭐⭐⭐⭐keys () 遍历键0.0223⭐⭐⭐⭐⭐values () 遍历值0.0231⭐⭐⭐⭐items () 遍历键值对0.0248⭐⭐⭐⭐enumerate () 带索引遍历0.0352⭐⭐⭐性能结论最快直接遍历键、keys()方法底层逻辑一致几乎无差异中等values()、items()需要额外解析值 / 键值对耗时稍增最慢enumerate()枚举遍历额外维护索引开销更大核心总结小数据量优先用items()可读性第一大数据量优先用直接遍历键性能最优四、字典遍历的性能优化实战技巧技巧 1避免遍历中重复查找键值❌ 错误写法重复查找性能浪费python运行for key in student_dict: # 每次循环都执行一次查找操作 print(key, student_dict[key])✅ 优化写法一次性取值python运行# 大数据量下性能提升30%以上 for key, value in student_dict.items(): print(key, value)技巧 2遍历中不修改字典大小避免异常 性能损耗遍历字典时不要增删键值会导致迭代器失效程序报错同时严重影响性能。❌ 错误写法python运行for key in student_dict: if key age: del student_dict[key] # 报错RuntimeError✅ 优化写法先转列表再遍历python运行# 先把键转为列表脱离原字典迭代器 for key in list(student_dict.keys()): if key age: del student_dict[key]技巧 3大数据量用生成器表达式代替列表推导式处理超大型字典时生成器不占用额外内存性能远高于列表。❌ 列表推导式占用大量内存python运行# 生成新列表内存开销大 result [k for k, v in big_dict.items() if v.startswith(value_1)]✅ 生成器表达式内存零开销python运行# 惰性计算遍历一次取值不存储全部数据 result (k for k, v in big_dict.items() if v.startswith(value_1))技巧 4局部变量优化遍历速度Python 访问局部变量比全局变量快把字典赋值给局部变量遍历性能提升 10%~20%。✅ 优化写法python运行def traverse_dict(local_dict): # 局部变量遍历更快 for k, v in local_dict.items(): pass # 调用 traverse_dict(big_dict)技巧 5避免嵌套遍历时间复杂度爆炸多层字典嵌套遍历时间复杂度会从O(n)变成O(n*m)性能急剧下降。✅ 优化方案扁平化字典结构预提取需要的键值减少嵌套层级源码分享网https://svipm.com.cn描述上千款各行各业的源码五、遍历方法选择建议表格场景推荐方法日常开发、追求代码简洁items()遍历键值对只需要值不需要键values()大数据量、追求极致性能直接遍历键需要索引、序号enumerate() items()明确语义、团队协作keys()六、总结Python 字典有5 种核心遍历方法items()最通用直接遍历键性能最快小数据量优先可读性大数据量优先性能遍历优化核心减少重复查找、不修改字典大小、使用局部变量、避免嵌套日常开发推荐默认使用items()遍历键值对兼顾可读性与性能。字典遍历是 Python 基础中的基础掌握不同方法的适用场景和优化技巧能让你的代码从「能用」升级为「好用、高效」。