Python遍历字典的三种基本方法：keys、values与items

一、核心认知：Python 字典的视图对象（View Objects）

在 Python 3 中，调用字典的 keys()、values() 或 items() 方法时，返回的并非独立的静态列表（List），而是被称为“字典视图”（Dictionary View Objects）的专用对象。

这些视图对象具备两大关键特性：

• 动态实时性（Dynamic Reflection）： 视图对象并不会在调用时复制字典中的元素。若底层字典在后续操作中发生增删改，视图中的数据会实时联动更新。
• 内存友好与常数级开销： 生成视图对象的时间复杂度为 $O(1)$，不管字典中存储了 10 个键值对还是 1000 万个键值对，都不会触发额外的内存拷贝。

二、方法一：使用 keys() 遍历键（及与直接遍历的取舍）

dict.keys() 返回一个包含字典全部键名的 dict_keys 视图。它的核心目的是让开发者专注于字典的属性名或索引集。

1. 基础用法与代码示例

以下是一个使用 keys() 检查并过滤系统中所有设置项名称的典型场景：

# 环境：Python 3.8+
config = {
    "host": "127.0.0.1",
    "port": 8080,
    "debug": True,
    "timeout": 30
}

# 显式使用 .keys() 进行键名遍历
for key in config.keys():
    print(f"配置项名称: {key}")

2. 关键对比：for k in d.keys() 与 for k in d

在 Python 中，字典本身就是一个可迭代对象。对字典直接进行 for k in d 循环时，默认行为就是迭代该字典的键。

两者的效率在 CPython 实现中完全等价（底层均使用相同的键迭代器），但在代码工程风格上有明确的最佳实践：

• 常规循环中，优先采用直接遍历： 编写 for key in config: 更加精炼，也是 Python 社区公认的 Pythonic 写法。
• 涉及集合运算时，必须显式调用 .keys()： dict_keys 实现了 collections.abc.Set 协议，支持直接与其他集合或键视图进行交集（&）、并集（|）或差集（-）计算，例如：

  # 快速校验必填字段是否缺失
  required_fields = {"host", "port", "secret_key"}
  missing = required_fields - config.keys()
  print(f"缺失字段: {missing}")  # 输出: 缺失字段: {'secret_key'}

三、方法二：使用 values() 遍历值

当业务逻辑完全不关心键名，仅需对数据值进行聚合、筛选、极值查找或类型断言时，应选用 dict.values()。

1. 基础用法与代码示例

例如统计班级学员的考试成绩，或者核算商场购物车的合计总价：

# 环境：Python 3.8+
fruit_inventory = {
    "apple": 120,
    "banana": 85,
    "orange": 210,
    "watermelon": 45
}

# 1. 遍历库存值并打印警戒提示
for count in fruit_inventory.values():
    if count < 50:
        print(f"发现紧缺库存项，当前余量: {count}")

# 2. 与内置函数直接配合
total_units = sum(fruit_inventory.values())
max_stock = max(fruit_inventory.values())
print(f"总库存件数: {total_units}, 单品最高库存: {max_stock}")

四、方法三：使用 items() 同时遍历键与值（元组解包）

dict.items() 是生产代码中应用最为广泛的遍历方法。它返回包含 (key, value) 双元素元组的 dict_items 视图，配合 Python 优雅的变量解包语法，可以同时拿到键与值。

1. 基础用法与代码示例

以下演示同时格式化输出用户信息，并在遍历中进行条件分支判断：

# 环境：Python 3.8+
user_roles = {
    "Alice": "Admin",
    "Bob": "Editor",
    "Charlie": "Viewer",
    "David": "Viewer"
}

# 推荐规范：利用元组解包同时获取 key 和 value
for username, role in user_roles.items():
    print(f"用户 [{username}] 当前权限等级为: {role}")

2. 为什么坚决避免 for k in d: v = d[k]

很多有其他语言背景的初学者，容易写出通过键再次回表查值的代码：

# 反模式（Anti-Pattern）：不推荐！
for k in user_roles:
    v = user_roles[k]  # 产生了不必要的哈希计算与寻址开销
    print(k, v)

这种写法存在两大弊端：

1. 重复哈希寻址（Double Hash Lookup）： 循环内部每次执行 d[k]，Python 解释器都要对 k 重新计算哈希值、查找哈希槽、解析内存指针。而 d.items() 在底层一次遍历即可直接取得条目中的键指针和值指针，省去了二次查找。
2. 代码冗余且意图模糊： 显式元组解包 for k, v in d.items(): 明确传达了“本次遍历同时依赖键和值”的意图，可读性显著更佳。

五、遍历选型与操作实施步骤

在实际业务开发中，选择哪种遍历方式并非凭感觉决定，而应当根据“数据消费目标”与“是否有结构变更”两个维度进行推导。

标准实施三步法

1. 明确访问范围： 若只打印或检查键，用 for k in d；若只聚合数值，用 for v in d.values()；若打印键值映射，必须用 for k, v in d.items()。
2. 排查结构改动： 检查循环体内部是否存在 del d[k] 或 d[new_k] = val。如果存在，立即参照下文介绍的快照法（Snapshot）进行隔离。
3. 验证输出与性能： 在百万级数据场景下，避免在循环体内再次调用 d.keys() 或 d.values()，避免重复生成临时视图。

六、避坑指南：遍历过程中的常见陷阱与反例

陷阱一：在遍历过程中直接增删字典键导致 RuntimeError

这是 Python 开发者最常遭遇的运行时错误之一。当我们在遍历视图时，如果试图直接向字典添加新键或删除现有键，Python 会立即抛出异常：

# 错误示范：在遍历中就地删除键
user_scores = {"Alice": 95, "Bob": 58, "Charlie": 42}

for name, score in user_scores.items():
    if score < 60:
        del user_scores[name]  # 触发异常！

原理解释： 前文提到，字典视图对象是底层字典的实时投影，并不拥有独立拷贝。为了防止在修改散列表底层存储结构时出现哈希槽错乱或死循环，Python 在迭代器内部设置了状态版本检查（mutation check），一旦发现字典长度改变便主动中断报错。

安全解决方案有两种：

• 方案 A（快照遍历法）： 使用 list() 将键或条目固化为静态列表快照：

  # 正确做法：对快照列表进行遍历，安全修改原字典
  for name in list(user_scores.keys()):
      if user_scores[name] < 60:
          del user_scores[name]
  
  print(user_scores)  # 输出: {'Alice': 95}

• 方案 B（字典推导式新建法）： 避免就地修改，直接构建符合条件的新字典：

  # 更加推荐的无副作用写法
  user_scores = {k: v for k, v in user_scores.items() if v >= 60}

陷阱二：反模式与推荐写法的底层机制差异

为什么说 for k, v in d.items() 是最优解，而 v = d[k] 是次选？下图直观展示了两种写法在底层的寻址执行路径：

七、方法全景对比与速查矩阵

为了便于在工程实战中快速对比，下表归纳了 Python 字典三种基本方法及其直接遍历形式的关键属性：