摘要：在本文中，我們一起來揭開迭代循環的面紗，並介紹一些能夠完全取代迭代的程式設計概念。
連結：https://medium.com/codex/ive-almost-stopped-using-iteration-entirely-ee34f208d7ad
作者 | Emmett Boudreau
譯者 | 彎月 責編 | 鄭麗媛
在編寫軟體時，我們經常需要使用包含不同類型的資料，這種資料通常被稱為「結構」。更具體地說，有些特定類型的結構又稱為「可迭代對象」。
可迭代對象是一種類型，其中包含名叫「元素」的資料類型，而不是欄位或屬性。舉個例子，Julia 中的可迭代對象包括 Dict 和 Vector，就相當於 Python 中的 list 和 dict。Dict 包含 Pair 類型的元素，而 Vector 包含其參數指定的任意類型。這些類型的結構被稱為「可迭代對象」，因為它們是可以迭代。
迭代是程式設計中的一個非常關鍵的概念。事實上，迭代非常重要，就連低級彙程式設計式碼中都包含類似於循環的實現。迭代，更具體地說，for 循環，是我們在學習第一門程式語言時學習的第一個知識點。然而，迭代也有其自身的一些問題。
許多進程的執行速度減慢，究其原因最大的障礙往往就是循環。因此，我們應該最大限度地提高循環的性能，避免嵌套，並儘可能避免循環。那麼，為什麼我們要將循環作為默認的方式之一呢？為什麼不試試看其他有助於提升性能的方式呢？
避免使用循環
有幾種技巧可以避免使用循環。首先是遞迴，不過遞迴的應用範圍更窄，而且性能遠遠比不上循環。不過，第二種方法就比較實用了。這種方法叫做「廣播」（broadcasting），它將一個函數應用到給定結構中的每個元素上，因此可以很容易地一次性改變多個元素。還有一個類似的概念「對映」（mapping），從某種意義上來說，它和廣播非常相似。第三種方法與它們相似，叫做「解析式」（comprehension）。這幾個概念的基本思想都是將一個函數應用到所有元素上，從而在多個值上同時進行某種運算。
在編寫 Python 時，最常用的方法就是 map。為了對映一個函數，我們只需用 lambda 或 def 定義它：
myfunc = lambda x: x + 1然後將這個函數傳遞給 map 函數，後者將返回一個 map 對象。該對象可以轉換成一個 list，從而獲取其值。map 函數的第一個參數是上述函數，第二個參數是要對映的 list。
map(myfunc, [1, 2, 3, 4, 5])list(map(myfunc, [1, 2, 3, 4, 5]))[2, 3, 4, 5, 6]
雖然 Python 中的解析式也很強大，但與 Julia 等語言相比，其功能還是太受限了。因此，大部分情況下，解析式是快速操作多個元素的最佳選擇。但是，由於解析式非常善於進行小型操作（如上例），我們應該在這裡演示一下。
vals = [x + 1 for x in [1, 2, 3, 4, 5]]print(vals)[2, 3, 4, 5, 6]
Julia 也有 map 函數，而且像 Python 一樣，該函數非常易於使用。不過我必須承認，我在 Julia 中使用 map 的次數遠遠少於廣播以及更強大的解析式。Julia 的 map 的語法也和 Python 非常相似，最主要的區別就是它會返回一個 Vector：
julia> map(x -> x + 1, [1, 2, 3, 4, 5, 6])6-element Vector{Int64}:234567
Julia 也支持廣播。與 map 很相似，我們可以利用廣播在陣列內的每個元素上應用任意函數。Python 的 NumPy 也提供了此功能，但是本文主要想討論 Julia。在 Julia 中，只需在給定函數前寫一個點（.）， 即可將其應用到每個元素。Julia 的基本運運算元中經常被引用的一個示例如下：
x = [5, 10, 15]y = [5, 10, 15]x .* y3-element Vector{Int64}:25100225
對於其他通用的應用，該操作也可以使用 @. 宏完成。如果你想了解有關 Julia 中廣播的更多資訊，可以閱讀這篇文章：https://medium.com/chifi-media/broadcasting-power-in-julia-beginner-friendly-overview-11cdd099623a。
像 Python 一樣，Julia 也有解析式。雖然 Python 的解析式很有侷限性，特別是其可讀性並非太好，但 Julia 則截然不同。當然，沒有任何規定組禁止你在 Python 的解析式之外定義函數，但這樣做會導致一些問題，比如當需要在函數中引某個變數的時候就會很麻煩。儘管如此，雖然有時候 Python 的解析式需要藉助其他東西才能清晰易讀，但 Julia 的解析式可以像函數一樣書寫，可以寫在多行內，而且支持多種語句！下面是一個解析式，它很像 Python：
x = [x - 1 for x in 1:5]
替代循環
下面，我們來看看 Julia 的解析式究竟好在哪裡。首先，我們可以利用 begin/end 語法，以函數的形式編寫解析式。
x = [begin x - 1 end for x in 1:5]在解析式中添加 begin/end 敞開了一扇大門，可以讓解析式完成更多的工作。我喜歡將解析式寫成這樣：
x = [beginx - 1end for x in 1:5]
在這個新函數中，我們可以做任何循環能做的事情，除了一些例外。例如，下面是個條件語句：
julia> x = [beginif x > 15else3endend for x in 1:10]10-element Vector{Int64}:3555555555
雖然 Python 也能實現這一點，但別忘了，我們還能添加更多的語句，甚至可以使用 try/catch 和閉包！
julia> x = [beginif x > 15elsetry"hello" * 5catch3endendend for x in 1:10]10-element Vector{Int64}:3555555555
需要循環的情況
雖然用函數替換循環能節省不少時間，但循環在程式語言和軟體中依然有著重要的作用。最值得一提的是，循環的關鍵字 break 和 continue 是其他方法都沒有的。這可以節省很多不必要的循環。break 關鍵字能結束循環，而 continue 關鍵字可以直接跳轉到下一次循環。下面是選擇循環的一個例子，主要目的是在找到適當的值時，利用 break 跳出循環：
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 = nothingfor m in mymimesif m in mmimescorrectm = mbreakendendshow(d.io, correctm(), o)end
在這個例子中，我們依次遍歷 MIME，找到最有可能的值。在已有的 MIME（即 mmimes）中找到所需的 mime 後，設置 correctm，然後將其傳遞給 show 函數。這個例子中，相較於對映或解析式，選擇迭代更合適，因為它擁有獨到的優勢。
總結
一直以來，迭代式循環都是程式設計中的一個重要的概念，在高級語言中得到了廣泛的應用。循環是從硬體層面上實現的，其重要性不言而喻。但是，許多現代程式語言完全可以不使用循環，我們可以利用函數、對映和解析式來實現相同的功能。但是，在有一些情況下，選擇循環依然比解析式或對映更好。一種情況就是可以利用 break 和 continue 關鍵字跳過元素、加快循環。
