Python字典怎么获取所有值

在 Python 中获取字典的所有值，最标准且直接的做法是调用字典自带的 values() 方法。例如执行 scores.values()，即可得到包含该字典全部值的动态视图对象；如果后续操作需要按索引读取或对数据做持久切片，只需使用 list(scores.values()) 将其显式转换为列表即可。

一、核心操作：使用 values() 获取全部值

在 Python 3 中，字典对象内置了 values() 方法。调用该方法不需要传入任何参数，它会直接提取出字典中当前记录的所有值。

下面是一个标准的提取示例，我们通过一个存储员工部门信息的字典来演示其基础语法与返回结果：

# 1. 准备示例字典
employee_departments = {
    "张伟": "技术部",
    "李娜": "财务部",
    "王强": "市场部",
    "赵敏": "人力资源部"
}

# 2. 调用 values() 方法获取所有值
all_departments = employee_departments.values()

# 示例输出：展示获取到的视图对象
print(all_departments)
# 示例输出：dict_values(['技术部', '财务部', '市场部', '人力资源部'])

获取到的 dict_values 对象支持直接进行循环迭代。若我们的业务目标是依次打印每个部门名称或统计符合某个条件的值，不需要做任何格式转换，直接用 for 循环消费即可：

# 直接遍历 values() 结果
for dept in employee_departments.values():
    print(f"部门名称：{dept}")

# 示例输出：
# 部门名称：技术部
# 部门名称：财务部
# 部门名称：市场部
# 部门名称：人力资源部

使用 values() 的完整操作路径可参考下方流程示意：

二、深入底层：理解 dict_values 动态视图机制

在 Python 2 中，values() 会直接生成并返回一个全新的列表。但在现代 Python 3 中，为了提升内存与执行性能，values() 返回的是一个名为 dict_values 的字典视图（Dictionary View）对象。

理解“动态视图”的关键在于：它不是对字典中所有值的一份完整复制，而是建立在原字典底层存储之上的一扇实时观察窗口。一旦原字典的内容发生了添加、修改或删除，已经存在的视图对象会立刻同步映射出最新数据，无需再次执行 values()。

通过以下测试代码可以清楚观察到这一动态联动特性：

# 创建基础库存字典
inventory = {"苹果": 50, "香蕉": 80}

# 提取视图对象
inventory_view = inventory.values()
print("修改前的值视图：", inventory_view)
# 示例输出：修改前的值视图： dict_values([50, 80])

# 修改原字典：新增一种商品，并调整现有商品数量
inventory["橙子"] = 120
inventory["苹果"] = 65

# 不重新调用 values()，再次打印之前的 inventory_view
print("修改后的值视图：", inventory_view)
# 示例输出：修改后的值视图： dict_values([65, 80, 120])

这一机制保证了数据的一致性，同时也免去了在大型字典中反复复制数据带来的高昂内存开销。两者的联动关系如下所示：

三、方案对比：动态视图与静态列表的关键差异

在日常开发中，许多开发者在拿到 dict.values() 后，会习惯性地套上一层 list()。但这两种处理方式在运行开销、数据行为和支持的功能上有明显区别。

为便于理解，我们在相同的输入条件 data = {"k1": 1, "k2": 2, ...} 下对这两种形态进行全面对照：

如果尝试对 dict_values 进行下标索引，Python 解释器会抛出明确的类型错误：

config = {"host": "127.0.0.1", "port": 8080}
values_view = config.values()

try:
    first_item = values_view[0]
except TypeError as error:
    print(f"捕获异常：{error}")
# 示例输出：捕获异常：'dict_values' object is not subscriptable

因此，选择视图还是转换为列表，本质上是“追求极致性能与实时性”与“需要灵活序列功能与数据隔离”之间的权衡：

四、常见延伸应用与场景代码

掌握了基础取值后，在实际业务中我们通常还会遇到去重、极值计算以及带键遍历等需求。

1. 获取所有值并去除重复项

字典的值是允许重复的。如果业务上需要提取“有哪些不重复的分类”或“去重后的用户标签”，可以将 values() 直接传入 set() 构造器：

student_cities = {
    "001": "北京",
    "002": "上海",
    "003": "北京",
    "004": "广州",
    "005": "上海"
}

# 使用 set() 快速去重
unique_cities = set(student_cities.values())
print(unique_cities)
# 示例输出：{'广州', '上海', '北京'}

2. 数值统计：求和、最大值与最小值

Python 内置的 sum()、max()、min() 均原生支持可迭代对象。因此完全不需要将 values() 先转为列表，直接传参即可拥有最高执行效率：

monthly_sales = {
    "一月": 15000,
    "二月": 18200,
    "三月": 21000,
    "四月": 17500
}

# 直接对 values 视图进行聚合计算
total_sales = sum(monthly_sales.values())
highest_sale = max(monthly_sales.values())

print(f"总销售额：{total_sales}，单月最高：{highest_sale}")
# 示例输出：总销售额：71700，单月最高：21000

3. 需要同时获取键与值时的选择

如果在获取值的过程中，还需要知道每一个值对应的键是什么，不建议分别遍历 d.keys() 和 d.values()，而应使用 d.items()：

user_roles = {"alice": "admin", "bob": "editor"}

for username, role in user_roles.items():
    print(f"用户：{username} -> 角色：{role}")

# 示例输出：
# 用户：alice -> 角色：admin
# 用户：bob -> 角色：editor

五、操作避坑：遍历值时修改字典大小

如果业务确实需要在遍历过程中按条件剔除某些键值，正确的做法是先将视图或键转为静态列表，或者使用字典推导式重新生成字典：

# 错误示例（会报错）：
# for val in data.values():
#     if val < 0:
#         del data[key]  # 报错：RuntimeError

# 正确推荐做法：使用字典推导式筛选过滤
scores = {"小明": 85, "小红": 58, "小华": 92, "小强": 45}

# 仅保留合格成绩的记录
passed_scores = {k: v for k, v in scores.items() if v >= 60}
print(passed_scores)
# 示例输出：{'小明': 85, '小华': 92}

六、总结与选型决策指南

为了在实际编码中快速选择最合理的获取方式，可以参考下方的选型决策路径：

总结来说，Python 获取字典所有值的标准解答是 dict.values()。了解其背后动态视图的工作机制，能在绝大多数遍历和聚合场景下写出高性能、低内存占用的优雅代码；而在需要随机定位或持久快照时，适时配合 list() 即可兼顾灵活性与功能需求。