使用类型，以便您可以使用myypy静态分析工具验证数据:

from typing import Iterator, Any, Iterable, TypeVar, Tuple

T_ = TypeVar('T_')
Pairs_Iter = Iterator[Tuple[T_, T_]]

def legs(iterable: Iterator[T_]) -> Pairs_Iter:
    begin = next(iterable)
    for end in iterable:
        yield begin, end
        begin = end

简单的方法:

[(a[i],a[i+1]) for i in range(0,len(a),2)]

如果你的数组是a，并且你想成对迭代它，这是很有用的。 要迭代三胞胎或更多，只需更改"range" step命令，例如:

[(a[i],a[i+1],a[i+2]) for i in range(0,len(a),3)]

(如果你的数组长度和步长不匹配，你必须处理多余的值)

>>> l = [1,2,3,4,5,6]

>>> zip(l,l[1:])
[(1, 2), (2, 3), (3, 4), (4, 5), (5, 6)]

>>> zip(l,l[1:])[::2]
[(1, 2), (3, 4), (5, 6)]

>>> [a+b for a,b in zip(l,l[1:])[::2]]
[3, 7, 11]

>>> ["%d + %d = %d" % (a,b,a+b) for a,b in zip(l,l[1:])[::2]]
['1 + 2 = 3', '3 + 4 = 7', '5 + 6 = 11']

你需要2个元素的元组

data = [1,2,3,4,5,6]
for i,k in zip(data[0::2], data[1::2]):
    print str(i), '+', str(k), '=', str(i+k)

地点:

Data[0::2]表示创建元素的子集集合(索引% 2 == 0) Zip (x,y)从x和y集合中创建一个相同索引元素的元组集合。

如果您对性能感兴趣，我做了一个小的基准测试(使用我的库simple_benchmark)来比较解决方案的性能，并且我包含了一个来自我的包的函数:iteration_utilities.grouper

from iteration_utilities import grouper
import matplotlib as mpl
from simple_benchmark import BenchmarkBuilder

bench = BenchmarkBuilder()

@bench.add_function()
def Johnsyweb(l):
    def pairwise(iterable):
        "s -> (s0, s1), (s2, s3), (s4, s5), ..."
        a = iter(iterable)
        return zip(a, a)

    for x, y in pairwise(l):
        pass

@bench.add_function()
def Margus(data):
    for i, k in zip(data[0::2], data[1::2]):
        pass

@bench.add_function()
def pyanon(l):
    list(zip(l,l[1:]))[::2]

@bench.add_function()
def taskinoor(l):
    for i in range(0, len(l), 2):
        l[i], l[i+1]

@bench.add_function()
def mic_e(it):
    def pairwise(it):
        it = iter(it)
        while True:
            try:
                yield next(it), next(it)
            except StopIteration:
                return

    for a, b in pairwise(it):
        pass

@bench.add_function()
def MSeifert(it):
    for item1, item2 in grouper(it, 2):
        pass

bench.use_random_lists_as_arguments(sizes=[2**i for i in range(1, 20)])
benchmark_result = bench.run()
mpl.rcParams['figure.figsize'] = (8, 10)
benchmark_result.plot_both(relative_to=MSeifert)

所以，如果你想要一个没有外部依赖的最快的解决方案，你可能应该使用Johnysweb给出的方法(在撰写本文时，它是得到最多好评和接受的答案)。

如果您不介意额外的依赖关系，那么来自iteration_utilities的grouper可能会更快一些。

额外的想法

有些方法有一些限制，这里没有讨论。

例如，一些解决方案只适用于序列(即列表，字符串等)，例如Margus/pyanon/taskinoor解决方案使用索引，而其他解决方案适用于任何可迭代对象(即序列和生成器，迭代器)，如Johnysweb/mic_e/my解决方案。

然后Johnysweb还提供了一个解决方案，它适用于其他大于2的大小，而其他答案则不适用(好吧，iteration_utilities。Grouper还允许将元素的数量设置为“group”)。

然后还有一个问题，如果列表中有奇数个元素，会发生什么。剩余的项目是否应该取消?是否应该填充列表以使其大小相等?剩余的物品是否要单独退回?其他答案没有直接解决这一点，但是如果我没有忽略任何东西，他们都遵循剩余的项目应该被驳回的方法(除了taskinoors的答案-这实际上会引发一个异常)。

对于石斑鱼，你可以决定你想做什么:

>>> from iteration_utilities import grouper

>>> list(grouper([1, 2, 3], 2))  # as single
[(1, 2), (3,)]

>>> list(grouper([1, 2, 3], 2, truncate=True))  # ignored
[(1, 2)]

>>> list(grouper([1, 2, 3], 2, fillvalue=None))  # padded
[(1, 2), (3, None)]

拆包:

l = [1,2,3,4,5,6]
while l:
    i, k, *l = l
    print(f'{i}+{k}={i+k}') 

注意:这将消耗l，之后将其保留为空。