python 中，处理集合并对每个元素执行操作时，最推荐且最符合 python 风格的方式是使用简洁明了的 `for` 循环。与 javascript、java 等语言中常见的 `foreach` 方法不同，python 鼓励直接的迭代，避免了自定义 `foreach` 函数带来的不必要抽象和潜在开销，同时提升了代码的可读性和维护性。
引言：其他语言的 forEach 模式
在许多编程语言中，例如 JavaScript 的 Array.forEach、Java 的 Iterable.forEach 或 C# 的 List.forEach，提供了一种集合内置的方法来遍历元素并执行一个回调函数。这种模式在处理集合时非常常见，因此，开发者从这些语言转向 Python 时，自然会寻找类似的 forEach 功能。
然而，Python 的设计哲学强调简洁和显式。尽管可以手动实现一个类似的 forEach 函数，或者尝试使用 map()、列表推导式等，但这些方法往往不是处理这类任务的“Pythonic”方式。
Python 的惯用之道：简洁的 for 循环
在 Python 中，对集合中的每个元素执行操作的最直接、最易读且最推荐的方式就是使用标准的 for 循环。这种方式不仅清晰地表达了意图，而且是 Python 社区普遍接受和理解的模式。
考虑一个简单的例子，需要打印一个列表中的所有单词：
立即学习“Python免费学习笔记（深入）”；
其他语言的 forEach 概念（模拟）:
# 这是一个模拟其他语言forEach的自定义函数
def for_each_custom(func: typing.Callable, collection: typing.Iterable) -> typing.NoReturn:
for item in collection:
func(item)
words = ['one', 'two', 'three']
for_each_custom(print, words)Python 的惯用方式:
words = ['one', 'two', 'three']
for word in words:
print(word)通过对比可以看出，Python 的 for 循环写法更加直观，不需要额外的函数定义或抽象层。它直接表达了“对集合中的每个元素执行某个操作”的意图。
为何不推荐自定义 forEach 函数？
尽管自定义 forEach 函数在功能上可行，但它在 Python 中通常被认为是不必要的，并可能带来以下缺点：
- 降低可读性与Pythonic风格： Python 开发者已经习惯了 for 循环的模式。引入一个自定义的 forEach 函数可能会让代码在初次阅读时显得不那么“Pythonic”，甚至需要额外的思考来理解其意图。简洁的 for 循环在 Python 生态系统中是普遍共识，无需额外学习成本。
- 不必要的函数调用开销： 即使是微小的开销，每次迭代都通过一个额外的函数调用层级（for_each_custom -> print）也会增加一点点执行时间。对于大多数应用来说这可能不显著，但从最佳实践的角度来看，直接的 for 循环更为高效。
- 缺乏内置支持： Python 的内置集合类型（如 list, tuple, set）并没有提供 forEach 方法。这意味着如果想使用这种模式，要么自己实现，要么依赖第三方库，这增加了代码的复杂性和依赖性。
现有工具的考量：map() 与列表推导式
在 Python 中，确实存在一些内置工具可以对集合进行迭代和操作，但它们通常服务于不同的目的，并且不直接等同于其他语言的 forEach。
map() 函数
map(function, iterable) 函数将一个函数应用于可迭代对象中的每个项，并返回一个迭代器。其主要目的是转换集合中的元素，而不是执行带有副作用的操作。
# 使用 map 来转换数据
numbers = [1, 2, 3]
squared_numbers_iterator = map(lambda x: x * x, numbers)
# map 返回一个迭代器，需要被消耗才能执行操作或获取结果
print(list(squared_numbers_iterator)) # [1, 4, 9]
# 如果仅仅是为了副作用，map 需要被显式迭代
# 例如，使用 for 循环来消耗它
for _ in map(print, numbers):
pass # 打印 1, 2, 3注意事项：
- map() 返回的是一个迭代器，这意味着它具有惰性求值的特性。除非你遍历它（例如，使用 list() 转换，或在 for 循环中迭代），否则 map 函数本身不会立即执行其内部的函数调用。
- 如果你的目标仅仅是执行副作用（例如打印、修改外部状态），并且不关心 map 返回的结果，那么使用 for 循环通常会更清晰。
列表推导式 (List Comprehensions) 和生成器表达式 (Generator Expressions)
列表推导式 ([expression for item in iterable]) 是一种简洁的创建新列表的方式，它通过对现有列表的元素进行操作来生成新列表。生成器表达式 ((expression for item in iterable)) 类似，但返回一个迭代器。它们主要用于构建新的集合。
# 列表推导式用于生成新列表 numbers = [1, 2, 3] squared_numbers = [x * x for x in numbers] print(squared_numbers) # [1, 4, 9] # 列表推导式也可以用于副作用，但不推荐作为主要用途，因为其主要意图是创建新列表 # [print(x) for x in numbers] # 打印 1, 2, 3，但返回 [None, None, None]
注意事项：
- 当你的目标是基于现有集合生成一个新的集合时，列表推导式是极其 Pythonic 且高效的选择。
- 虽然你可以利用列表推导式或生成器表达式的副作用（例如在 expression 部分调用一个函数），但这通常不是它们的最佳用途，因为它们会创建一个新列表（或迭代器），即使你不需要这个结果。如果只是为了副作用，一个简单的 for 循环更符合语义。
总结与最佳实践
对于 Python 开发者而言，在处理集合的每个元素并执行操作时，应始终优先考虑以下原则：
-
坚持 for 循环： 当你需要遍历一个集合并对每个元素执行一个函数或操作（尤其是带有副作用的操作，如打印、修改对象属性等），最 Pythonic、最易读、最直接的方法就是使用标准的 for 循环。
my_list = ['apple', 'banana', 'cherry'] for item in my_list: process_item(item) # 调用一个函数处理每个元素 -
map() 用于转换： 当你需要将一个函数应用于集合中的每个元素，并希望得到一个包含转换后结果的新迭代器时，使用 map()。
numbers = [1, 2, 3] doubled_numbers = list(map(lambda x: x * 2, numbers)) print(doubled_numbers) # [2, 4, 6]
-
列表推导式用于构建新列表： 当你需要基于现有集合的元素来创建新的列表时，使用列表推导式。
data = ['a', 'b', 'c'] upper_data = [item.upper() for item in data] print(upper_data) # ['A', 'B', 'C']
简而言之，不要过度思考如何模拟其他语言的 forEach。Python 的核心哲学鼓励简洁和直接。一个简单的 for 循环通常就是你需要的答案。
