python中的zip函数

最近刷leetcode，以及处理数据的时候，发现python中一个平时很少关注的函数zip，合理运用的话，可以规避很多算法层面上的逻辑流程结构，算是python搞算法部分一个合理偷懒的作弊函数吧！

zip() 函数基本概念

zip() 函数将多个可迭代对象（如列表、元组等）"打包"在一起，创建一个迭代器，返回元组的序列。

基本语法

zip(*iterables)

• *iterables: 一个或多个可迭代对象

举例来说：

1，2个列表（或者2个可迭代基本元素的对齐打包）：

list1 = ['a', 'b', 'c']
list2 = [1, 2, 3]result = zip(list1, list2)
# 结果: [('a', 1), ('b', 2), ('c', 3)]

注意到此时这里的zip已经是一个整合打包之后的迭代器了，

所以如果要访问元素的话

（1）需要进行迭代

（2）或者直接将该迭代器显式转换为其他的基本可迭代数据格式：
比如说是list列表，或者是元组tuple之类，

2，多个列表（同上）：

names = ['Alice', 'Bob', 'Charlie']
ages = [25, 30, 35]
cities = ['New York', 'London', 'Tokyo']
list(zip(names,ages,cities))

如果是长度不同的列表进行对齐的话，注意！这里是不会广播的，有的学生很容易把这里的对齐和numpy等高维数组处理中的广播broadcast机制混淆在一起，

但是实际上合并的时候是以短的序列为主：

实际上，数据敏感的人，其实一眼就可以看出来zip处理数据的方式，可以很自然的和dict也就是key-value字典的映射/组织规则联系起来，

这个一般是在数据处理中非常常见，我们在处理比较复杂的生物序列数据，比如说是fasta格式的数据（header+content其实可以分离开来当作是不同的key、value向量，如果要进一步对header进行处理的话，其实是可以细分为多个元素级别的dict），或者是其他的问题。

我们一般是key、value分离来处理的，

所以这个时候可以使用zip来重新组织分离的key-value为新的dict格式数据，当然，我们其实可以继续保留这个zip打包对齐的数据，因为一般的dict都是key-value的二元对齐，但是我们在zip中其实是可以打包多个数据的，也就是达到多元对齐，然后我们就可以按照需求从里面按照数字下标索引index切出不同的复杂的字典格式数据。