Pythonのnext()関数を初心者向けにわかりやすく解説
はじめに
Pythonでデータを順番に処理するときは、イテレータという仕組みを使うことがあります。
たとえば、リストやタプルのようなコレクションを一つずつ取り出して操作したい場合や、ファイルを行単位で読み込みたい場面などです。
そのとき、next() という関数を活用すると、手軽にイテレータから次の要素を取り出せます。
一見地味な存在に思えるかもしれませんが、next()関数はループ処理やジェネレータなどと組み合わせると、とても柔軟なコードを書けるようになります。
この記事では、Pythonでのnext() 関数の基本的な使い方や、具体的な活用例を初心者の方にも伝わるように解説します。
実務でありがちなシーンともつなげながら、コードをどう書くのかを少しずつ整理していきましょう。
この記事を読むとわかること
- next()関数の基本構文
- イテレータやジェネレータとの関係
- 実務での活用シーンの例
- エラーを回避するための工夫
- next()を使うことで得られるメリット
next()とは
Pythonのnext() 関数は、イテレータ（iterator）から次の要素を取得するときに使う関数です。
イテレータは、要素を順番に取り出すためのオブジェクトであり、Pythonにおける繰り返し処理を柔軟にする仕組みとして多用されます。
具体的には、以下のようにイテレータを受け取り、次の要素 をひとつ返すのがnext()関数の役割です。
もし要素の取り出しが終わっている状態（要素がもう存在しない）でnext()を呼ぶと、通常はStopIterationという例外が発生します。
このStopIteration例外が起きるタイミングを利用し、ループの終了を管理する仕組みがPythonにはあります。
for文の内部では自動的にイテレータから要素が取り出され、要素が尽きるとStopIterationが起きてループが終了する、という流れが走っています。
しかし、開発者が明示的にnext()を使うと、その動きを自分で細かくコントロールできるようになるのです。
next()の基本構文
次に示すのが、最も基本的な構文です。
next(イテレータ)
イテレータとは、Pythonの定義上、iter() と next() メソッドを持つオブジェクトのことを指します。
代表的なものとしては、イテラブルオブジェクト（リストなど）を iter() 関数でイテレータに変換したもの、あるいはジェネレータが該当します。
たとえば、以下のようにリストからイテレータを作成し、next()で要素を取り出すことができます。
numbers = [10, 20, 30] iterator = iter(numbers) print(next(iterator)) # 10 print(next(iterator)) # 20 print(next(iterator)) # 30
上記のコードでは、iter(numbers) によってリストをイテレータ化し、次に next(iterator) を呼ぶことで、リストの先頭要素から順番に値が返ってきます。
イテレータを生成すると、連続してnext()を呼び出すたびに内部状態が更新されていく点が特徴です。
next()のデフォルト値
前述のように、next()を呼び出したときに要素が残っていない場合、StopIterationという例外が起こります。
ただ、コードの中で毎回例外を捕捉し、処理を分岐するのは手間が増えがちです。
そのため、next()関数は第二引数にデフォルト値を指定できる仕組みを提供しています。
例外が起きそうな場合でも、そちらのデフォルト値を返すようにしておくと、コードがすっきりしやすいです。
numbers = [1, 2] iterator = iter(numbers) print(next(iterator, "No more elements")) # 1 print(next(iterator, "No more elements")) # 2 print(next(iterator, "No more elements")) # "No more elements"
このように、第三回目の呼び出しでリストの要素はもうない状態ですが、StopIterationは起きず、第二引数で指定した文字列が返されます。
実務の中で、「要素がもうない場合にどう処理するか？」という分岐が必要な場面はよくあります。
そうした場合に、例外処理を挟むよりも、デフォルト引数を活用するほうがシンプルに書けることが多いでしょう。
next()のメリットと注意点
ループ処理を細かくコントロールできる
for文は、Pythonで繰り返し処理をするための基本的な構文ですが、たとえば途中でイテレータからの取り出しを中断したいケースや、取り出しの順番を条件に応じて変えたいケースがあるかもしれません。
こういった細かい制御をするときは、手動でnext()を呼ぶ方法を知っておくと役に立ちます。
実務でも、大量のデータを扱うバッチ処理で、要素を少しずつ取り出しながら途中でロジックを挟むようなプログラムを書くことがあります。
そういった場合にnext()を活用することで、“ループにはできないような柔軟なフロー” をコードに落とし込みやすくなります。
例外処理（StopIteration）への対応が必要
next()を呼び続けて、要素がなくなるとStopIteration例外が発生します。
この例外をどう処理するかを考えておかないと、プログラムが突然停止する事態になりかねません。
ただし、先ほども触れたように、第二引数を使ってデフォルト値を設定する方法 を選ぶことで、StopIterationを明示的にハンドリングしなくても済むケースがあります。
一方で、そのデフォルト値を受け取ったうえで何らかの追加処理をすることがある場合は、後で紹介するように自前で例外処理を組み込む設計も必要です。
イテレータを使い回さない
一度要素を取り出し始めたイテレータは、元のデータ構造と違って要素の位置を戻すことができません。
（たとえば、イテレータでリストを最後まで読み込んだあとに「また先頭に戻る」といった操作はできないのです）
そのため、next()でイテレータを取り出すときは、「どこで使い切るのか」「再利用するときはどうするのか」を整理する必要があります。
再利用したい場合は再度iter()を呼び出して新しいイテレータを得る、といった手順が必要です。
next()とイテレータの関係
next()はイテレータ専用の関数なので、イテレータの基本的な特徴を理解しておくと役立ちます。
ここからはイテレータの性質を少し掘り下げてみましょう。
イテラブルからイテレータを作成する
Pythonのリスト、タプル、辞書、文字列などは「イテラブル」と呼ばれるオブジェクトです。
これらに対して、組み込み関数 iter() を呼ぶとイテレータが返ってきます。
たとえば以下のコードは、文字列をイテレータに変換して、next()で文字を順番に取り出す例です。
text = "ABC" text_iterator = iter(text) print(next(text_iterator)) # A print(next(text_iterator)) # B print(next(text_iterator)) # C
文字列は直接for文で繰り返し処理ができるため、いつもはあまり意識せず使っていますが、その背後ではイテレータが動いているわけです。
カスタムイテレータを作る
独自に用意したクラスをイテレータとして機能させたい場合は、iter() メソッドと next() メソッドを定義します。
たとえば、1から特定の数値まで連番を返すイテレータを作りたいとしましょう。
class RangeIterator: def __init__(self, max_value): self.current = 1 self.max_value = max_value def __iter__(self): return self def __next__(self): if self.current <= self.max_value: result = self.current self.current += 1 return result else: raise StopIteration # 使用例 range_iter = RangeIterator(5) print(next(range_iter)) # 1 print(next(range_iter)) # 2 print(next(range_iter)) # 3 print(next(range_iter)) # 4 print(next(range_iter)) # 5 print(next(range_iter)) # StopIterationが発生
このコードでは、RangeIteratorのオブジェクトに対して iter() を呼ばなくても、そのままnext()を呼べます。
理由は、__iter__() が自分自身を返すように実装されているからです。
こういったカスタムイテレータを作ると、単純なリストや文字列とは異なる特殊なルールで要素を生成できるようになります。
next()はイテレータが返す値を個々に受け取りたいときに便利ですし、プログラムを意図した形で制御しやすくなるでしょう。
next()とジェネレータの活用
Pythonにはジェネレータという仕組みがあり、関数内で yield 文を使うことで簡単にイテレータを作成できます。
ジェネレータは、関数の実行を途中で一時停止し、必要になったら再開するといった動作が可能です。
ジェネレータ関数の例
以下は、1から無限に整数を返し続けるジェネレータ関数の例です。
def infinite_counter(): num = 1 while True: yield num num += 1 # 使用例 counter = infinite_counter() print(next(counter)) # 1 print(next(counter)) # 2 print(next(counter)) # 3 # … 以降も呼べば4、5、6…と延々と続く
この関数は、while True のループで num を増やし続けていますが、yield 文によって1回ごとに値を返します。
呼び出し側はnext()を使うことで、必要になったタイミングで次の値を取得できます。
無限ループになっているため、当然止めどころが必要ですが、使う側が次の要素をいつまで呼ぶかを決められるのがジェネレータの強みです。
実務でも大量データを扱うときに、すべてを一度にメモリに読み込まず、必要な分だけを都度取得するような仕組みに応用できます。
ジェネレータ式
ジェネレータは、式 を使って一行で書くこともできます。
たとえば、以下はリスト内包表記のように見えますが、角括弧 [ ] ではなく丸括弧 ( ) を使うとジェネレータ式になります。
numbers = (i * 2 for i in range(5)) print(next(numbers)) # 0 print(next(numbers)) # 2 print(next(numbers)) # 4
このように、ジェネレータ式を使うとコードがコンパクトに書ける反面、値は逐次的に計算され、リストのようなデータ構造は保持されません。
大量の要素を扱う場合にメモリを節約できるメリットがあります。
実務での利用シーン
ファイルを行ごとに読む
ファイル処理で、行ごとにデータを少しずつ読みたいケースはよくあります。
以下の例は、テキストファイルの全行をイテレータとして扱い、next()で1行ずつ処理する場合です。
with open("data.txt", "r", encoding="utf-8") as f: line_iter = iter(f) while True: line = next(line_iter, None) if line is None: break # ここで行の内容を処理する print(line.strip())
iter(f) は、ファイルオブジェクトをイテレータ化することで、1回ごとに行を取得できます。
これにより、「ファイルの中身をまとめて読み込む」のではなく、行単位で処理を進められます。
大きなログファイルを処理するときなど、メモリの消費を抑えながら読み込むのに適した方法です。
WebAPIのページング制御
APIによっては、データの件数が多いため、一度にすべてを返すのではなくページング（ページを分割して取得）する仕組みがあります。
たとえば、1回のリクエストで100件ずつしかデータを返さないAPIを利用する場合、100件を取得するたびにイテレータが進むイメージで次のページにアクセスする形を実装できます。
疑似的な例ですが、以下のように「APIクライアントをイテレータ化」し、next()を呼ぶたびに次のデータを取りに行く設計が考えられます。
class PagedAPIClient: def __init__(self, api_url): self.api_url = api_url self.current_page = 1 self.has_next_page = True def __iter__(self): return self def __next__(self): if not self.has_next_page: raise StopIteration response = self.fetch_data(self.current_page) # 実際にAPIリクエストをするメソッド if not response["data"]: self.has_next_page = False raise StopIteration self.current_page += 1 return response["data"] def fetch_data(self, page): # ここでAPIコールを行い、レスポンスをJSONで返すようにする # 実装内容は割愛 return { "data": [{"id": i} for i in range((page - 1)*100, page*100)] } client = PagedAPIClient("https://example.com/api") for data_chunk in client: # 1回の呼び出しで最大100件のデータを取得 print(len(data_chunk))
このコードはモック的な実装にとどまっていますが、ページングされたデータをイテレータとして扱うことで、next()で必要な分だけを逐次取得できます。
「何度もAPIを呼び出してページをめくる処理」を明示的なループではなく、イテレータで管理できるのは便利です。
大規模データのストリーミング処理
大量のデータを一気に扱うとメモリが圧迫されてしまう場面では、ストリーミング処理が検討されることがあります。
ストリーミング処理では、データを少しずつ取得しながら、可能な限り早い段階で処理を進めていくのが特徴です。
たとえば、Webソケットやメッセージキューなどを使ったシステムで、イベントが配信されるたびにnext()を呼んでイベントを受け取る仕組みにする方法が考えられます。
こうすると、イベントをバッファに溜め込まずにリアルタイムで処理を流せます。
next()を活用するための工夫
default引数を積極的に使う
StopIteration例外が発生したときにプログラムが強制停止してしまうのを避けるために、 next (イテレータ, デフォルト値) という呼び出し方を活用すると、コードの分岐が少なくなるケースが多いです。
一方で、デフォルト値であることを確認したい場合は、以下のようにif文を挟むとわかりやすいかもしれません。
value = next(iterator, None) if value is None: # 要素がもうない、または何らかの終了条件 pass else: # 取り出した要素で処理を続行 pass
注意点として、実際にイテレータに None が含まれていると、デフォルト値としての None と区別がつかなくなる可能性もあります。
そのような場合は、デフォルト値にユニークなオブジェクトを設定しておき、同一性で比較するなどの工夫が必要でしょう。
例外処理でStopIterationを制御する
デフォルト値を使わず、以下のようにtry-except構文でStopIterationを捕捉し、そこでループを抜ける方法もあります。
iterator = iter([1, 2, 3]) while True: try: item = next(iterator) print(item) except StopIteration: break
コード自体は素直なものの、例外が発生したタイミングをループ終了条件として使うため、やや手続き的な書き方に感じるかもしれません。
ただし、細かいエラー処理が必要な状況や、StopIterationの発生をきっかけに他の処理をしたい場合などには、この書き方で対応するのがわかりやすいことがあります。
他の繰り返し構文との比較
Pythonにはfor文やwhile文、内包表記といった繰り返し機能が豊富に用意されています。
next()を使ったコントロールと比べて、どのようなポイントが違うのかを簡単に整理します。
for文
イテラブルオブジェクトを指定すると、要素が尽きるまで自動的にループします。
next()の処理は自動で行われ、StopIterationも内部でハンドリングされます。
基本的な繰り返し処理にはこれで十分ですが、ループの動きを自分で細かく制御したい場合はやや柔軟性に欠ける面もあるでしょう。
while文
ループの継続条件を自由に書けるため、next()を使ったイテレータ処理との相性も悪くありません。
条件によって途中で処理を打ち切ったり、ネストを変えたりといったフレキシブルな書き方が可能です。
内包表記
[x for x in iterable] という記法は可読性が高い反面、すべての要素をリストに格納することになります。
イテレータをあえて内包表記にするならば (x for x in iterable) のようにしてジェネレータ式を使う手もありますが、これはnext()と直接連携させる用途にはそれほど向いていません。
ケースバイケースで使い分けるのが大切ですが、「ループを途中で止めたり、再開したり、要素をひとつずつ手動で取り出したい」 ときはnext()が便利という意識を持っておくと役立ちます。
next()に関するトラブルシューティング
StopIterationが想定外で起きる
イテレータから要素を取り出すときに、処理の流れが確立していないままnext()を呼びすぎてしまうと、StopIteration例外が想定外のタイミングで発生するかもしれません。
そのようなときは、次の点をチェックするのが良いでしょう。
- イテレータのサイズは十分か？
- 要素を順番通りに取り出すための制御は整合性があるか？
- デフォルト値を使って例外を回避できる設計にしたほうが良いか？
- 必要以上にnext()を呼び出していないか？
一度要素をすべて取り出すと、そのイテレータはもう終わりの状態にあるため、呼び出すたびにStopIterationが起きることになります。
単に再度同じイテラブルからiter()を作り直すのを忘れているケースも多いので、まずはイテレータのライフサイクルを整理すると良いでしょう。
イテレータを何度も使い回せない
前述したように、イテレータは一方向にしか進めません。
同じシーケンス要素を繰り返し使うときは、改めて新しいイテレータを生成するか、そもそもデータをリストや他の構造に展開しておくのも選択肢です。
もし「初回は問題なく動くけど、2回目以降の処理で要素が取れない」という現象に遭遇したら、イテレータを使い回していないか を疑ってみてください。
たとえば、関数の引数としてイテラブルではなくイテレータを直接渡しているケースなどは、あとで何度も呼ぶ場面で思わぬ落とし穴になることがあります。
よくある疑問や勘違い
next()と__next__()は別物？
「next()」はイテレータオブジェクトが内部で持っているメソッドで、next() は組み込み関数です。
実際には、 next (イテレータ) は「イテレータの next() メソッドを呼び出す」動作をしています。
直接イテレータの __next__() を呼ぶこともできますが、コードとしてはnext()関数を使うほうが自然に読みやすいでしょう。
ただ、カスタムイテレータを実装するときは __next__() メソッドを定義しなければならないので、名前の由来として覚えておくと混乱が減ります。
for文があればnext()は必要ないのでは？
for文が自動でnext()を呼び出しているので、通常の繰り返し処理には必ずしもnext()は必要ありません。
ただ、先ほどお伝えしたように「ループを細かく制御したい」「要素を段階的に取り出してリアルタイムで処理したい」といったケースではnext()が役立ちます。
for文よりも明示的に動きを書くことになるため、複雑に感じる面もあるかもしれませんが、シンプルなケースなら一層コードがわかりやすくなることもあります。
next()を使うとパフォーマンスはどうなる？
next()を呼び出すこと自体のコストはそれほど大きくありません。
大量の要素をイテレータで取り扱う場合には、リストなどを一括で扱うよりもメモリ効率 が良くなるケースが多いので、結果的にパフォーマンスが向上する可能性もあります。
ただし、細かな処理を毎回書き足すと逆に複雑になりがちです。
その点は開発の目的やデータ規模、コードの可読性などを総合的に判断して検討すると良いでしょう。
具体的なコード例まとめ
ここで、これまでの解説を踏まえた小さめのサンプルコードを紹介します。
def filter_even_numbers(iterable): # iterableからイテレータを取得 it = iter(iterable) while True: value = next(it, None) if value is None: break if value % 2 == 0: yield value numbers = [1, 2, 3, 4, 5, 6] even_numbers_iterator = filter_even_numbers(numbers) print(next(even_numbers_iterator)) # 2 print(next(even_numbers_iterator)) # 4 print(next(even_numbers_iterator)) # 6 print(next(even_numbers_iterator)) # StopIterationの発生
上の例では、引数に与えられたイテラブル（numbers）からイテレータを生成し、next()で要素を一つずつ取得しています。
偶数値なら yield で外部に返すので、関数全体がジェネレータとして動作するわけです。
これにより、フィルタリングされた偶数のみ を次々と取り出せるイテレータが得られます。
実務でも、「リストやファイルを読み取って、その中から条件に合うものだけを返す」ような場面は多いはずです。
こうした発想で、next()とジェネレータを組み合わせて柔軟に処理を設計できる点がPythonの面白いところです。
イテレータやジェネレータは、処理を途中で区切って再開したり、必要なタイミングまで要素の生成を先送りにできる利点があります。
大きなデータを扱う場合に特に便利なので、next()と併せて使い方を一通り押さえておくと良いでしょう。
まとめ
ここまで、Pythonにおけるnext() 関数の基本的な仕組みや活用シーンについて見てきました。
繰り返し処理といえばfor文が思い浮かぶかもしれませんが、イテレータとnext()を活用すると、ループ処理の流れを自分で細かく設計できるようになります。
イテレータやジェネレータ は、実務で大きなデータを扱うときや、分割して読み込みたいときに大いに役立つ仕組みです。
データを常に一括で処理するのではなく、「必要になったら次の要素を取り出す」という方針で書けると、コードがシンプルで読みやすくなるケースが多々あります。
もし、今後Pythonで「大量のファイルを行単位で処理したい」「APIを呼び出して段階的にデータを取得したい」「大量のリストを一度にメモリに載せたくない」といった課題に直面したときは、next() やイテレータの考え方を思い出してみてください。
その柔軟な仕組みが、複雑な要件をスッキリと整理し、より見通しの良いコードを書くためのヒントになるでしょう。