向 for 循环说“不”！

摘要：在本文中，我们一起来揭开迭代循环的面纱，并介绍一些能够完全取代迭代的编程概念。

链接：https://medium.com/codex/ive-almost-stopped-using-iteration-entirely-ee34f208d7ad

声明：本文为 CSDN 翻译，未经允许禁止转载。

作者 | Emmett Boudreau

译者 | 弯月   责编 | 郑丽媛

出品 | CSDN（ID：CSDNnews）

在编写软件时，我们经常需要使用包含不同类型的数据，这种数据通常被称为“结构”。更具体地说，有些特定类型的结构又称为“可迭代对象”。

可迭代对象是一种类型，其中包含名叫“元素”的数据类型，而不是字段或属性。举个例子，Julia 中的可迭代对象包括 Dict 和 Vector，就相当于 Python 中的 list 和 dict。Dict 包含 Pair 类型的元素，而 Vector 包含其参数指定的任意类型。这些类型的结构被称为“可迭代对象”，因为它们是可以迭代。

迭代是编程中的一个非常关键的概念。事实上，迭代非常重要，就连低级汇编代码中都包含类似于循环的实现。迭代，更具体地说，for 循环，是我们在学习第一门编程语言时学习的第一个知识点。然而，迭代也有其自身的一些问题。

许多进程的执行速度减慢，究其原因最大的障碍往往就是循环。因此，我们应该最大限度地提高循环的性能，避免嵌套，并尽可能避免循环。那么，为什么我们要将循环作为默认的方式之一呢？为什么不试试看其他有助于提升性能的方式呢？

避免使用循环

有几种技巧可以避免使用循环。首先是递归，不过递归的应用范围更窄，而且性能远远比不上循环。不过，第二种方法就比较实用了。这种方法叫做“广播”（broadcasting），它将一个函数应用到给定结构中的每个元素上，因此可以很容易地一次性改变多个元素。还有一个类似的概念“映射”（mapping），从某种意义上来说，它和广播非常相似。第三种方法与它们相似，叫做“解析式”（comprehension）。这几个概念的基本思想都是将一个函数应用到所有元素上，从而在多个值上同时进行某种运算。

在编写 Python 时，最常用的方法就是 map。为了映射一个函数，我们只需用  lambda 或 def 定义它：

myfunc = lambda x: x + 1

然后将这个函数传递给 map 函数，后者将返回一个 map 对象。该对象可以转换成一个 list，从而获取其值。map 函数的第一个参数是上述函数，第二个参数是要映射的 list。

map(myfunc, [1, 2, 3, 4, 5])
<map object at 0x7f33562f8fa0>
list(map(myfunc, [1, 2, 3, 4, 5]))
[2, 3, 4, 5, 6]

虽然 Python 中的解析式也很强大，但与 Julia 等语言相比，其功能还是太受限了。因此，大部分情况下，解析式是快速操作多个元素的最佳选择。但是，由于解析式非常善于进行小型操作（如上例），我们应该在这里演示一下。

vals = [x + 1 for x in [1, 2, 3, 4, 5]]
print(vals)
[2, 3, 4, 5, 6]

Julia 也有 map 函数，而且像 Python 一样，该函数非常易于使用。不过我必须承认，我在 Julia 中使用 map 的次数远远少于广播以及更强大的解析式。Julia 的 map 的语法也和 Python 非常相似，最主要的区别就是它会返回一个 Vector：

julia> map(x -> x + 1, [1, 2, 3, 4, 5, 6])
6-element Vector{Int64}:
2
3
4
5
6
7

Julia 也支持广播。与 map 很相似，我们可以利用广播在数组内的每个元素上应用任意函数。Python 的 NumPy 也提供了此功能，但是本文主要想讨论 Julia。在 Julia 中，只需在给定函数前写一个点（.）， 即可将其应用到每个元素。Julia 的基本操作符中经常被引用的一个示例如下：

x = [5, 10, 15]
y = [5, 10, 15]
x .* y
3-element Vector{Int64}:
25
100
225

对于其他通用的应用，该操作也可以使用 @. 宏完成。如果你想了解有关 Julia 中广播的更多信息，可以阅读这篇文章：https://medium.com/chifi-media/broadcasting-power-in-julia-beginner-friendly-overview-11cdd099623a。

像 Python 一样，Julia 也有解析式。虽然 Python 的解析式很有局限性，特别是其可读性并非太好，但 Julia 则截然不同。当然，没有任何规定组禁止你在 Python 的解析式之外定义函数，但这样做会导致一些问题，比如当需要在函数中引某个变量的时候就会很麻烦。尽管如此，虽然有时候 Python 的解析式需要借助其他东西才能清晰易读，但 Julia 的解析式可以像函数一样书写，可以写在多行内，而且支持多种语句！下面是一个解析式，它很像 Python：

x = [x - 1 for x in 1:5]

替代循环

下面，我们来看看 Julia 的解析式究竟好在哪里。首先，我们可以利用 begin/end 语法，以函数的形式编写解析式。

x = [begin x - 1 end for x in 1:5]

在解析式中添加 begin/end 敞开了一扇大门，可以让解析式完成更多的工作。我喜欢将解析式写成这样：

x = [begin
x - 1
end for x in 1:5]

在这个新函数中，我们可以做任何循环能做的事情，除了一些例外。例如，下面是个条件语句：

julia> x = [begin
if x > 1
5
else
3
end
end for x in 1:10]
10-element Vector{Int64}:
3
5
5
5
5
5
5
5
5
5

虽然 Python 也能实现这一点，但别忘了，我们还能添加更多的语句，甚至可以使用 try/catch 和闭包！

julia> x = [begin
if x > 1
5
else
try
"hello" * 5
catch
3
end
end
end for x in 1:10]
10-element Vector{Int64}:
3
5
5
5
5
5
5
5
5
5

需要循环的情况

虽然用函数替换循环能节省不少时间，但循环在编程语言和软件中依然有着重要的作用。最值得一提的是，循环的关键字 break 和 continue 是其他方法都没有的。这可以节省很多不必要的循环。break 关键字能结束循环，而 continue 关键字可以直接跳转到下一次循环。下面是选择循环的一个例子，主要目的是在找到适当的值时，利用 break 跳出循环：

function display(d::OliveDisplay, m::MIME{<:Any}, o::Any)
T::Type = typeof(o)
mymimes = [MIME"text/html", MIME"text/svg", MIME"text/plain"]
mmimes = [m.sig.parameters[3] for m in methods(show, [IO, Any, T])]
correctm = nothing
for m in mymimes
if m in mmimes
correctm = m
break
end
end
show(d.io, correctm(), o)
end

在这个例子中，我们依次遍历 MIME，找到最有可能的值。在已有的 MIME（即 mmimes）中找到所需的 mime 后，设置 correctm，然后将其传递给 show 函数。这个例子中，相较于映射或解析式，选择迭代更合适，因为它拥有独到的优势。

总结

一直以来，迭代式循环都是编程中的一个重要的概念，在高级语言中得到了广泛的应用。循环是从硬件层面上实现的，其重要性不言而喻。但是，许多现代编程语言完全可以不使用循环，我们可以利用函数、映射和解析式来实现相同的功能。但是，在有一些情况下，选择循环依然比解析式或映射更好。一种情况就是可以利用 break 和 continue 关键字跳过元素、加快循环。