Python中拆分元组可迭代对象为独立元素迭代器并求和的问题

这个问题我之前也踩过坑！核心痛点就是可迭代对象（比如生成器、某些自定义迭代器）只能被遍历一次，第一次遍历后就被“消耗殆尽”了，所以直接两次遍历求sum肯定行不通。给你几个实用的解决思路，按需选择：

1. 先转成列表（适合小数据量） #

如果你的delta生成的元组数量不多，完全可以先把整个可迭代对象转成列表——列表是可重复遍历的容器，这样后续想怎么用就怎么用：

# 先把可迭代对象转成列表
delta_list = list(delta)
# 分别求和
total_dx = sum(dx for dx, dy in delta_list)
total_dy = sum(dy for dx, dy in delta_list)

优点是简单直观，缺点是如果数据量极大，会占用较多内存。

2. 一次遍历同时累加（高效首选） #

这是最省内存、最高效的方案，只需要遍历delta一次，同时把dx和dy的总和算出来：

total_dx = 0
total_dy = 0
for dx, dy in delta:
    total_dx += dx
    total_dy += dy

如果喜欢更简洁的写法，可以用functools.reduce来实现：

from functools import reduce

# 初始值是(0, 0)，每次迭代累加当前元组的两个值
total_dx, total_dy = reduce(lambda acc, curr: (acc[0] + curr[0], acc[1] + curr[1]), delta, (0, 0))

这个方法完全不需要额外存储所有数据，遍历一次就搞定，大数据量场景下强烈推荐。

3. 用itertools.tee拆分可迭代对象（需多次使用拆分结果时） #

如果你不仅是要求和，还需要把拆分后的两个可迭代对象用于其他操作，那么可以用itertools.tee来创建多个独立的迭代器，它们会共享原可迭代对象的数据：

from itertools import tee

# 拆分出两个独立的迭代器
delta_dx_iter, delta_dy_iter = tee(delta)
# 分别从两个迭代器中提取值求和
total_dx = sum(dx for dx, _ in delta_dx_iter)
total_dy = sum(dy for _, dy in delta_dy_iter)

⚠️ 注意：tee内部会缓存原可迭代对象的数据，所以如果原迭代器是消耗型的（比如生成器），当其中一个拆分后的迭代器被遍历到末尾时，其他迭代器也会同步消耗完数据；而且数据量大时，缓存的内存开销和转列表差不多，这时候不如用一次遍历的方案更划算。

内容的提问来源于stack exchange，提问作者Lingxi