Как работает функция zip в Python и какие у неё ключевые аргументы

Что проверяют

Знаете ли вы, что zip ленивый и молча обрезает данные по самой короткой последовательности. В задачах с данными это частый источник незаметной порчи выборки, поэтому следом спрашивают про strict и zip_longest.

Как отвечать

Сигнатура: zip(*iterables, strict=False). Функция принимает любое число итерируемых объектов и возвращает итератор кортежей: первые элементы из каждого, затем вторые и так далее.

• ленивость: в Python 3 zip возвращает итератор, а не список. Пройти по нему можно один раз, второй list(z) вернёт пустой список;
• разная длина: по умолчанию остановка на самой короткой последовательности без ошибки и предупреждения;
• strict=True: появился в Python 3.10, бросает ValueError, если длины разошлись. Для пар «признаки и метки» или «ключи и значения» его стоит включать всегда;
• *`itertools.zip_longest(iterables, fillvalue=None)**: отдельная функция, идёт до самой длинной последовательности и заполняет пропуски fillvalue. У самого zip` такого аргумента нет.

Полезные приёмы: dict(zip(keys, values)) собирает словарь, zip(*pairs) разворачивает список пар обратно в столбцы, for x, y in zip(df["a"], df["b"]) заметно быстрее iterrows(), хотя векторная операция в pandas или NumPy быстрее обоих. Для нарезки на пачки в Python 3.12 появился itertools.batched, раньше для этого использовали трюк zip(*[iter(seq)] * n), который молча теряет неполный хвост.

Где спотыкаются

Склеивают признаки и метки обычным zip, хотя после фильтрации одной из колонок длины уже разные. Ошибки нет, часть строк пропала, пары сдвинуты, и модель учится на мусоре. Лечится strict=True или явной проверкой длин.

Называют fillvalue аргументом zip. Он есть только у zip_longest.

Не учитывают, что при исчерпании одного итератора zip уже успел взять элемент из предыдущих. Если потом продолжить читать тот же итератор, одного значения в нём не окажется.