先说一点个人感受。Python 的循环知识点网上一搜一大把但很多教程不是抄官方文档就是只讲语法不讲为什么。我今天想换个方式不按教科书顺序来而是按一个从入门到写工程代码的人实际会遇到的问题顺序把for、while、range、break、continue、迭代器、生成器这些核心东西串起来做一个极简但足够完整的整理。看完这篇你至少能把循环写对、写好还能避开我踩过的坑。1. 先把循环这回事想清楚Python为什么只需要两种循环1.1 从其他语言过来的朋友最容易搞混的一件事如果你写过 C 语言或者 Java刚接触 Python 时会觉得循环特别“简陋”。C 语言有for、while、do-while甚至还有goto配合的循环写法。Python 就俩for和while连do-while都没有。你可能会问这是不是太不够用了答案恰恰相反。Python 之所以只有两种循环是因为它把循环的本质抽象得更彻底循环要么是“我知道要遍历什么东西”要么是“我不知道要遍历多少次但我有结束条件”。前者用for后者用while。这就够了。do-while这种“先执行一次再判断”的结构在 Python 里实际上用一个while True配合条件跳出就能模拟。但写 Python 讲究的是“只有一种明显的方式做一件事”少一种循环结构反而能逼你想清楚你的场景到底是遍历还是条件驱动。这不是能力缺失是设计取舍。1.2 迭代协议for循环底层的“秘密”新手看for i in range(10)觉得这只是个语法但真正理解 Python 循环的人会告诉你for循环的背后是一套叫“迭代协议”的机制。简单说任何可以被for循环遍历的对象必然实现了两个方法__iter__和__next__。for在底层做的是三件事调用对象的__iter__()拿到一个迭代器对象。不停调用迭代器的__next__()拿到下一个值。遇到StopIteration异常循环自然结束。所以当你写for x in my_listPython 并不是在一开始就“知道”列表有多长它只是拿着迭代器一次一次要值直到列表被要空。这种惰性求值的思路贯穿了整个 Python 的迭代体系。理解这一点有什么用最大的用处是让你明白只要实现了迭代协议任何对象都能放进for循环。不只是列表、元组、字典、集合、字符串这些内置类型你自己写的类只要实现了__iter__也可以被for直接遍历。很多同学学到后面会用生成器、用itertools本质上都是围着这个协议转。1.3 哪些对象能直接放进for里这里我列一个速查表全是实际开发里会碰到的对象类型是否能直接for遍历遍历结果说明列表 list是按顺序取元素元组 tuple是按顺序取元素字符串 str是逐个取字符字典 dict是默认遍历的是键不是值集合 set是遍历顺序不保证别依赖顺序range对象是生成整数序列惰性计算文件对象是逐行读取生成器 generator是一次性的用完就没了特别注意字典。很多人一开始不知道for key in my_dict遍历出来的是键想要键值对得上items()想只取值用values()。这三个方法决定了字典循环的打开方式用错了就会拿到不是你预期的东西。2. for循环核心实操range、enumerate、zip与解包2.1 range的三种形态和步长计算range大概是 Python 循环里最常用的工具了但使用频率高不代表都用得对。range有三种形态range(stop) # 从0开始到stop前一个数结束 range(start, stop) # 从start开始到stop前一个数结束 range(start, stop, step) # 带步长很多人忽略的细节是range的结束位置永远取不到。所以range(5)生成的是 0、1、2、3、4没有 5。这个规则某些时候会坑人比如你想循环 5 次打印 1 到 5写成range(5)打印出来的是 0 到 4得写成range(1, 6)。步长为负数的情况也要注意for i in range(10, 0, -1): print(i) # 10, 9, 8, ..., 1这里stop是 0start是 10步长 -1取到 1 为止。想倒序遍历一个列表新手容易写成for i in range(len(lst), 0, -1)结果发现最后一个元素取不到。正确写法是range(len(lst) - 1, -1, -1)这个“减一再加一”的边界很容易秃头所以后来 Python 提供了更好的方案下面会说。另外一个容易踩的坑是range(start, stop, 0)会直接报ValueError: range() arg 3 must not be zero。步长不能为 0这个从数学角度也好理解没有步长就没法前进。2.2 enumerate带索引遍历的标准姿势循环时既想要索引又想要元素新手最容易写成这样for i in range(len(lst)): print(i, lst[i])这代码能跑但不够 Pythonic。问题在于你为了拿到索引和元素得先算len(lst)再用下标去取lst[i]多了一层间接操作。更麻烦的是如果你中途修改了列表长度range(len(lst))里的len是在循环开始前就算好的后面列表变了索引会越界。推荐写法是用enumeratefor i, value in enumerate(lst): print(i, value)enumerate本身是一个迭代器它会在遍历列表的同时为每个元素生成一个递增的索引。第二个参数可以指定起始序号for i, value in enumerate(lst, start1): print(i, value)这个start1在处理编号从 1 开始的业务时特别好用比如打印表格行号、账单序号省去手动维护一个计数变量。2.3 zip与reversed平行遍历和倒序遍历现实中经常遇到要同时遍历两个甚至多个列表的情况。比如你有学生名单和对应分数想成对打印。低效写法是for i in range(len(names)): print(names[i], scores[i])更好的写法是zipfor name, score in zip(names, scores): print(name, score)zip会像拉链一样把多个可迭代对象按位置对齐打包成元组。它有一个隐藏特性对齐到最短的那个序列结束。也就是说zip遍历完names和scores中较短的那个就停了多余的元素会被丢弃。如果你希望对齐到最长的可以用itertools.zip_longest但要注意较短序列缺失的位置会补None需要自己处理。倒序遍历列表很多人还在用range(len(lst) - 1, -1, -1)这种反人类写法。Python 提供了reversed函数for item in reversed(lst): print(item)reversed返回的是一个反向迭代器不会真的复制一份列表。如果列表很大用reversed(lst)比lst[::-1]省内存因为后者会生成一个新列表。2.4 循环里的解包变量的“一拆多用”这一块是很多人写出优雅代码的分水岭。循环变量不一定要是一个单独变量它可以是一个解包结构for key, value in my_dict.items(): print(key, value) for x, y, z in list_of_triples: print(x, y, z) for first, *rest in list_of_lists: print(first, rest) # rest会收集剩余元素解包的核心规则是左右两边数量要匹配但用上星号操作符后就能灵活处理“第一个元素”和“剩下所有元素”的场景。这在处理格式化的数据时尤其好用比如读取 CSV 的每一行时第一列是名称后面全是数值。另外有个小细节如果循环变量在循环体内部根本不用到约定俗成用下划线_占位for _ in range(10): print(hello)这看起来是小事但代码评审时能少被问一句“这个i是干嘛的”。3. while循环适用场景、死循环预防与选型对照3.1 while真正擅长的两种场景很多初学者写循环时有一个固定思维能用for就用for实在不行才用while。这种想法有一定道理但不够完整。while真正不可替代的场景有两种。第一种是循环次数完全由运行时的条件决定而不是由某个序列长度决定。比如写一个交互式程序用户输入q就退出其他时候一直处理输入while True: command input(请输入指令q退出) if command q: break handle(command)第二种是轮询等待某个外部状态。比如等待某个文件生成完毕或者等待某个服务端口开放。热搜词里有一个 ESP8266 恢复出厂设置时检测不到OK进入死循环的问题本质上就是在 while 循环里做了阻塞读取但条件判断不完善导致跳出条件永远不满足。这种“等待外部状态”的场景非常适合用while但同时也要格外小心必须有超时保护。常见的超时保护写法import time deadline time.time() 10 # 最多等10秒 while time.time() deadline: if check_condition(): break time.sleep(0.2) else: print(等待超时)3.2 死循环不是洪水猛兽但要有出口很多教程喜欢把死循环描述得特别可怕仿佛代码一旦死循环你的电脑就要爆炸了。实际上死循环在服务端编程里太常见了——while True几乎就是一个服务进程的主旋律关键是循环体内部必须有明确的跳出条件或者触发中断的途径。我见过最多的死循环 bug 是这三种循环的出口条件永远不可能满足。比如要判断一个数值是否精确等于某个浮点数计算结果但浮点数本身有精度误差永远碰不到那个值。循环内部改了判断变量但改的位置在break之后永远执行不到。使用while True但内部的break条件依赖一个外部输入外部输入被阻塞循环出不来。预防死循环的最佳办法是按“三问”自查这个循环一定会结束吗如果外部条件不满足我有超时保护吗我有没有故意用while True然后依赖break退出break条件真的能达到吗3.3 for还是while一张对照表解决选型纠结我在带新人时发现选错循环类型往往会写出绕来绕去的代码。这里给一个非常直接的对照表判别问题推荐循环理由我要遍历一个已知序列/集合里的每个元素for语义清晰不需手动管理索引我知道要循环 N 次N 提前确定for range简洁直观性能也好我不知道循环几次只有结束条件while天然匹配条件驱动我需要倒序遍历列表for reversed推荐用内置函数而不是索引计算我要写服务端主循环/事件等待while True break常见模式需要谨慎设计出口要遍历字典的键值对for items()专门为字典设计这个表不是绝对的法律但按照这个思路选型写出来的代码会自然很多。等到你经验够了会发现while往往和“状态”“等待”“事件”绑定for则和“数据”“序列”“遍历”绑定。4. 循环控制break、continue、else与嵌套优化4.1 break和continue位置决定行为break用于立即终止整个循环continue用于跳过本次循环的剩余部分、直接进入下一轮。这两个关键词本身没难度难在你把它放在复杂逻辑中的哪个位置。先说continue的一个常见坑。看这段代码for i in range(10): if i % 2 0: continue print(i)这里输出的是所有奇数逻辑没问题。但如果continue之前有需要清理的代码比如关闭文件、释放资源、打日志那这些代码会被跳过可能导致资源泄漏或者日志遗漏。所以在做“先判断后处理”的流程时continue的位置要放在一切必要操作之后。再说break。一个常见的需求是从双层循环中直接跳出所有层。很多人以为break能把整个循环都掐断实际上break只跳出它所在的那一层循环。比如for i in range(3): for j in range(3): if j 2: break print(f外层循环 i{i} 还在跑)这个break只是结束内层j循环外层循环不受影响。想要一次跳出多层通常的做法是设置一个标志位found False for i in range(3): if found: break for j in range(3): if some_condition(i, j): found True breakPython 没有类似 Go 语言的标签跳转这种标志位写法虽然多一行代码但逻辑清楚也更容易调试。4.2 for-else大多数人没用过的循环收尾for循环配合else是 Python 一个非常特别但也非常容易被忽略的语法。它的含义是如果循环完整结束没有被break打断就执行else块里的代码。最常见的应用是查找是否存在某个元素for item in items: if item target: print(找到了) break else: print(没找到)这段代码如果走break退出else不会执行如果整个列表遍历完都没找到else就会执行提示没找到。这个写法省去了一个found标志位相当优雅。不过我的建议是用这个语法之前想清楚团队其他人懂不懂。如果同事大多是新手这个语法可能反而造成阅读障碍。我会在代码里加上注释或者干脆用标志位写得更明显。语法很香可读性优先。4.3 嵌套循环的优化思路嵌套循环是性能问题的重灾区。三层以上嵌套数据量稍微大一点运行时间就是灾难级别的。优化手段主要有三种思路。第一种思路是把内层循环的计算提到外层。比如下面这个例子for i in range(n): for j in range(m): result i * j * some_constant如果some_constant不依赖i和j那么完全可以提出来算好。实际代码里的常量提取没有这么简单但精神是一样的内层循环体内的代码越少越好凡是能在外层算好的不要放到内层去重复计算。第二种思路是用空间换时间。比如两个列表求交集如果直接用双层循环是 O(n*m)但如果先把一个列表转成set再遍历另一个列表去in查询时间复杂就变成 O(nm)。别小看这个差异数据量上万时差别非常明显。第三种思路是尽早跳出。内层循环如果能提前判断条件已经无法满足就赶紧break。这个思路需要你对业务数据的分布有了解不是所有场景都能用但用对地方收益很大。5. 循环的性能、惯用法与常见坑5.1 循环体里少做三件事循环性能是实战里绕不开的问题。我总结了三件在循环体里尽量少做的事第一少在循环体内拼接字符串。result item这种方式在字符串上是 O(n) 级别的复制操作循环次数多了性能很差。推荐用列表收集再.join()。第二少在循环体内用in去查询一个列表。if x in list_a在列表上是 O(n)放在循环里等于 O(n*m)。如果查询目标集合不变请先用set转换。第三少在循环体内反复调用同一个函数。如果某个函数调用的结果在循环体内不会变化把它提前算出来存到变量里。这个看起来是常识但我见过太多人把len(lst)写在循环条件里反复调用。顺便说一句Python 的range(len(lst))的len只计算一次这个倒不用慌。这三件事有一个共同的核心思维循环是反复执行的任何多一点点的开销都会被放大很多倍所以能提出来的一次性操作绝不放进去。5.2 列表推导式和生成器表达式新手在一个项目里待久了会慢慢发现很多循环其实是为了构建一个新列表result [] for i in nums: if i % 2 0: result.append(i * 2)这种模式在 Python 里可以用列表推导式一行搞定result [i * 2 for i in nums if i % 2 0]列表推导式的性能优势不只是少写几行。它在底层直接调用列表的append方法没有循环中的属性查找和中间变量赋值速度快了不少。实测下来数据量在十万级别时列表推导式通常比普通循环快 20% 到 40%。如果不急着一次性拿到所有结果还能把方括号改成圆括号变成生成器表达式gen (i * 2 for i in nums if i % 2 0)生成器表达式返回的是一个生成器对象遍历时惰性求值不会一次性把所有结果放进内存。处理超大数据时这个优势非常明显。比如你有一个一千万个元素的日志文件要筛选出包含错误信息的行用生成器表达式可以做到逐行处理内存占用几乎不变。5.3 迭代时修改列表经典翻车现场这个坑我敢说每个 Python 开发者都踩过至少一次。在一个循环里遍历列表的同时删除元素lst [1, 2, 3, 4, 5] for item in lst: if item % 2 0: lst.remove(item)运行结果会让人觉得莫名其妙遍历结束时列表里还留着 2 或者 4 没有被删干净。原因是remove会把列表元素往前挪而for循环内部的索引还在继续往后走就相当于跳过了下一个元素。正确做法是遍历副本修改原列表lst [1, 2, 3, 4, 5] for item in lst[:]: if item % 2 0: lst.remove(item)或者直接一次到位用列表推导式生成新列表lst [item for item in lst if item % 2 ! 0]如果元素很多要避免复制新手可以换成while配合索引但要注意删元素后索引不能递增。更稳妥的方案是用列表推导式生成新列表后重新赋值。这个坑提醒我们一边遍历一边修改数据结构的体积是循环里最大的禁忌之一。5.4 素数求和一个例子串起所有知识热搜词里有一个经典题目用循环找出 1 到 100 以内的所有素数并计算所有素数之和。这个题目非常适合用来检验循环知识是否牢固因为它的解法能同时用到for、range、break、continue和枚举思路。常规解法total 0 for num in range(2, 101): is_prime True for i in range(2, int(num ** 0.5) 1): if num % i 0: is_prime False break if is_prime: total num print(total)这里有几个关键点range(2, 101)是从 2 开始因为 1 不是素数100 包含在内所以stop是 101。内层循环只到平方根加一因为如果一个数有大于平方根的因子而小于等于平方根的那个因子早就被检查过了。比如 49只需要检查到 7 就够了没必要试到 48。break的作用是找到一个因子立刻退出内层循环省掉后面的无用功。这个题目还能进一步展示for-else的优雅total 0 for num in range(2, 101): for i in range(2, int(num ** 0.5) 1): if num % i 0: break else: total num print(total)for-else在这里的含义是如果内层循环完整跑完都没撞上因子说明这个数是素数累加进total。我建议所有初学者亲手把这个素数例子用至少三种方式写一遍普通双重循环、带标志位、带for-else。写完之后你对循环控制的理解会扎实很多。6. 循环错误排查速查表与个人避坑心得6.1 常见问题速查表错误表现根本原因解决办法循环次数比预期少一次range的stop取不到最后一项确认结束值是否正确该写n1的别写n结果中出现最后一个元素丢失用range(len(lst) - 1, -1, -1)边界算错改用reversed(lst)遍历字典拿到的是键而不是值直接for字典默认遍历键用items()或values()循环内删列表元素结果没删干净修改列表导致索引错位遍历副本或改用列表推导式程序卡住不退出死循环出口条件永远不满足检查出口条件、加超时保护循环内变量值始终一样在循环外面改了需要每次更新的变量确认变量赋值是否在循环体内多层循环break没全跳到外面break只终止当前层用标志位或封装成函数提前returnzip的结果不对少了数据zip按最短序列对齐如需补齐用itertools.zip_longest循环体内拼接大量字符串很慢字符串不可变拼接开销大收集到列表用.join()这张表是我这几年来遇到的高频问题总结。很多错误在语法上完全合法但在逻辑上就是和你的直觉对着干。排查时可以对照表里的“根本原因”一列比重新看一遍代码快得多。6.2 几个我实测过的调试技巧关于循环的调试我分享几个实际验证过的方法比单纯 print 强很多。第一个技巧是把循环体抽出来变成函数。如果你觉得循环逻辑复杂到没法一眼看穿干脆把它抽成一个函数。这样不仅能单独测试而且函数内部的return可以直接充当“多层跳出”比标志位干净得多。代码变成函数后循环的身体通常会被压缩成一个简单的聚合调用读起来清爽太多。第二个技巧是用枚举值代替打印。调试循环时很多人喜欢在 body 里加print(i)但数据量一大根本没意义。更好的方式是把关键状态放到一个列表里收集等循环结束后一次性打印或分析。这样既不会刷屏又能看到循环中每个阶段的完整轨迹。第三个技巧是心里时刻有条“复杂度账本”。每次写嵌套循环时下意识估算一下最坏情况下的执行次数。如果发现 O(n³) 甚至更高立刻警惕考虑换方案。很多性能问题的根源不是某个循环写错了而是嵌套结构本身太深需要从算法层面优化而不是微调代码。收个尾我的一点实际体会写了这么多年 Python循环这个知识点看起来基础但真的能直接区分一个人代码的“质感”。同样的功能有人写出来就是三分钟能看懂的清晰逻辑有人写出来就是一堆缩进和标志位绕来绕去。差别往往就在对for语义、迭代协议、else分支、解包这些细节的理解上。我个人建议拿到任何需要循环的场景先问自己一句这个循环是在遍历数据还是在等待条件前者清一色用for加合适的辅助函数后者才轮到while上场。等你把这个选择题做顺了循环这一关就算真正过了。最后再分享一个小技巧多去看看itertools模块。takewhile、dropwhile、chain、product这些工具能取代一大批手写循环而且代码更短更不容易出错。循环不只是语法问题更是个“用什么抽象代替手写”的问题这是我最近最大的体会。
先说一点个人感受。Python 的循环知识点网上一搜一大把但很多教程不是抄官方文档就是只讲语法不讲为什么。我今天想换个方式不按教科书顺序来而是按一个从入门到写工程代码的人实际会遇到的问题顺序把for、while、range、break、continue、迭代器、生成器这些核心东西串起来做一个极简但足够完整的整理。看完这篇你至少能把循环写对、写好还能避开我踩过的坑。1. 先把循环这回事想清楚Python为什么只需要两种循环1.1 从其他语言过来的朋友最容易搞混的一件事如果你写过 C 语言或者 Java刚接触 Python 时会觉得循环特别“简陋”。C 语言有for、while、do-while甚至还有goto配合的循环写法。Python 就俩for和while连do-while都没有。你可能会问这是不是太不够用了答案恰恰相反。Python 之所以只有两种循环是因为它把循环的本质抽象得更彻底循环要么是“我知道要遍历什么东西”要么是“我不知道要遍历多少次但我有结束条件”。前者用for后者用while。这就够了。do-while这种“先执行一次再判断”的结构在 Python 里实际上用一个while True配合条件跳出就能模拟。但写 Python 讲究的是“只有一种明显的方式做一件事”少一种循环结构反而能逼你想清楚你的场景到底是遍历还是条件驱动。这不是能力缺失是设计取舍。1.2 迭代协议for循环底层的“秘密”新手看for i in range(10)觉得这只是个语法但真正理解 Python 循环的人会告诉你for循环的背后是一套叫“迭代协议”的机制。简单说任何可以被for循环遍历的对象必然实现了两个方法__iter__和__next__。for在底层做的是三件事调用对象的__iter__()拿到一个迭代器对象。不停调用迭代器的__next__()拿到下一个值。遇到StopIteration异常循环自然结束。所以当你写for x in my_listPython 并不是在一开始就“知道”列表有多长它只是拿着迭代器一次一次要值直到列表被要空。这种惰性求值的思路贯穿了整个 Python 的迭代体系。理解这一点有什么用最大的用处是让你明白只要实现了迭代协议任何对象都能放进for循环。不只是列表、元组、字典、集合、字符串这些内置类型你自己写的类只要实现了__iter__也可以被for直接遍历。很多同学学到后面会用生成器、用itertools本质上都是围着这个协议转。1.3 哪些对象能直接放进for里这里我列一个速查表全是实际开发里会碰到的对象类型是否能直接for遍历遍历结果说明列表 list是按顺序取元素元组 tuple是按顺序取元素字符串 str是逐个取字符字典 dict是默认遍历的是键不是值集合 set是遍历顺序不保证别依赖顺序range对象是生成整数序列惰性计算文件对象是逐行读取生成器 generator是一次性的用完就没了特别注意字典。很多人一开始不知道for key in my_dict遍历出来的是键想要键值对得上items()想只取值用values()。这三个方法决定了字典循环的打开方式用错了就会拿到不是你预期的东西。2. for循环核心实操range、enumerate、zip与解包2.1 range的三种形态和步长计算range大概是 Python 循环里最常用的工具了但使用频率高不代表都用得对。range有三种形态range(stop) # 从0开始到stop前一个数结束 range(start, stop) # 从start开始到stop前一个数结束 range(start, stop, step) # 带步长很多人忽略的细节是range的结束位置永远取不到。所以range(5)生成的是 0、1、2、3、4没有 5。这个规则某些时候会坑人比如你想循环 5 次打印 1 到 5写成range(5)打印出来的是 0 到 4得写成range(1, 6)。步长为负数的情况也要注意for i in range(10, 0, -1): print(i) # 10, 9, 8, ..., 1这里stop是 0start是 10步长 -1取到 1 为止。想倒序遍历一个列表新手容易写成for i in range(len(lst), 0, -1)结果发现最后一个元素取不到。正确写法是range(len(lst) - 1, -1, -1)这个“减一再加一”的边界很容易秃头所以后来 Python 提供了更好的方案下面会说。另外一个容易踩的坑是range(start, stop, 0)会直接报ValueError: range() arg 3 must not be zero。步长不能为 0这个从数学角度也好理解没有步长就没法前进。2.2 enumerate带索引遍历的标准姿势循环时既想要索引又想要元素新手最容易写成这样for i in range(len(lst)): print(i, lst[i])这代码能跑但不够 Pythonic。问题在于你为了拿到索引和元素得先算len(lst)再用下标去取lst[i]多了一层间接操作。更麻烦的是如果你中途修改了列表长度range(len(lst))里的len是在循环开始前就算好的后面列表变了索引会越界。推荐写法是用enumeratefor i, value in enumerate(lst): print(i, value)enumerate本身是一个迭代器它会在遍历列表的同时为每个元素生成一个递增的索引。第二个参数可以指定起始序号for i, value in enumerate(lst, start1): print(i, value)这个start1在处理编号从 1 开始的业务时特别好用比如打印表格行号、账单序号省去手动维护一个计数变量。2.3 zip与reversed平行遍历和倒序遍历现实中经常遇到要同时遍历两个甚至多个列表的情况。比如你有学生名单和对应分数想成对打印。低效写法是for i in range(len(names)): print(names[i], scores[i])更好的写法是zipfor name, score in zip(names, scores): print(name, score)zip会像拉链一样把多个可迭代对象按位置对齐打包成元组。它有一个隐藏特性对齐到最短的那个序列结束。也就是说zip遍历完names和scores中较短的那个就停了多余的元素会被丢弃。如果你希望对齐到最长的可以用itertools.zip_longest但要注意较短序列缺失的位置会补None需要自己处理。倒序遍历列表很多人还在用range(len(lst) - 1, -1, -1)这种反人类写法。Python 提供了reversed函数for item in reversed(lst): print(item)reversed返回的是一个反向迭代器不会真的复制一份列表。如果列表很大用reversed(lst)比lst[::-1]省内存因为后者会生成一个新列表。2.4 循环里的解包变量的“一拆多用”这一块是很多人写出优雅代码的分水岭。循环变量不一定要是一个单独变量它可以是一个解包结构for key, value in my_dict.items(): print(key, value) for x, y, z in list_of_triples: print(x, y, z) for first, *rest in list_of_lists: print(first, rest) # rest会收集剩余元素解包的核心规则是左右两边数量要匹配但用上星号操作符后就能灵活处理“第一个元素”和“剩下所有元素”的场景。这在处理格式化的数据时尤其好用比如读取 CSV 的每一行时第一列是名称后面全是数值。另外有个小细节如果循环变量在循环体内部根本不用到约定俗成用下划线_占位for _ in range(10): print(hello)这看起来是小事但代码评审时能少被问一句“这个i是干嘛的”。3. while循环适用场景、死循环预防与选型对照3.1 while真正擅长的两种场景很多初学者写循环时有一个固定思维能用for就用for实在不行才用while。这种想法有一定道理但不够完整。while真正不可替代的场景有两种。第一种是循环次数完全由运行时的条件决定而不是由某个序列长度决定。比如写一个交互式程序用户输入q就退出其他时候一直处理输入while True: command input(请输入指令q退出) if command q: break handle(command)第二种是轮询等待某个外部状态。比如等待某个文件生成完毕或者等待某个服务端口开放。热搜词里有一个 ESP8266 恢复出厂设置时检测不到OK进入死循环的问题本质上就是在 while 循环里做了阻塞读取但条件判断不完善导致跳出条件永远不满足。这种“等待外部状态”的场景非常适合用while但同时也要格外小心必须有超时保护。常见的超时保护写法import time deadline time.time() 10 # 最多等10秒 while time.time() deadline: if check_condition(): break time.sleep(0.2) else: print(等待超时)3.2 死循环不是洪水猛兽但要有出口很多教程喜欢把死循环描述得特别可怕仿佛代码一旦死循环你的电脑就要爆炸了。实际上死循环在服务端编程里太常见了——while True几乎就是一个服务进程的主旋律关键是循环体内部必须有明确的跳出条件或者触发中断的途径。我见过最多的死循环 bug 是这三种循环的出口条件永远不可能满足。比如要判断一个数值是否精确等于某个浮点数计算结果但浮点数本身有精度误差永远碰不到那个值。循环内部改了判断变量但改的位置在break之后永远执行不到。使用while True但内部的break条件依赖一个外部输入外部输入被阻塞循环出不来。预防死循环的最佳办法是按“三问”自查这个循环一定会结束吗如果外部条件不满足我有超时保护吗我有没有故意用while True然后依赖break退出break条件真的能达到吗3.3 for还是while一张对照表解决选型纠结我在带新人时发现选错循环类型往往会写出绕来绕去的代码。这里给一个非常直接的对照表判别问题推荐循环理由我要遍历一个已知序列/集合里的每个元素for语义清晰不需手动管理索引我知道要循环 N 次N 提前确定for range简洁直观性能也好我不知道循环几次只有结束条件while天然匹配条件驱动我需要倒序遍历列表for reversed推荐用内置函数而不是索引计算我要写服务端主循环/事件等待while True break常见模式需要谨慎设计出口要遍历字典的键值对for items()专门为字典设计这个表不是绝对的法律但按照这个思路选型写出来的代码会自然很多。等到你经验够了会发现while往往和“状态”“等待”“事件”绑定for则和“数据”“序列”“遍历”绑定。4. 循环控制break、continue、else与嵌套优化4.1 break和continue位置决定行为break用于立即终止整个循环continue用于跳过本次循环的剩余部分、直接进入下一轮。这两个关键词本身没难度难在你把它放在复杂逻辑中的哪个位置。先说continue的一个常见坑。看这段代码for i in range(10): if i % 2 0: continue print(i)这里输出的是所有奇数逻辑没问题。但如果continue之前有需要清理的代码比如关闭文件、释放资源、打日志那这些代码会被跳过可能导致资源泄漏或者日志遗漏。所以在做“先判断后处理”的流程时continue的位置要放在一切必要操作之后。再说break。一个常见的需求是从双层循环中直接跳出所有层。很多人以为break能把整个循环都掐断实际上break只跳出它所在的那一层循环。比如for i in range(3): for j in range(3): if j 2: break print(f外层循环 i{i} 还在跑)这个break只是结束内层j循环外层循环不受影响。想要一次跳出多层通常的做法是设置一个标志位found False for i in range(3): if found: break for j in range(3): if some_condition(i, j): found True breakPython 没有类似 Go 语言的标签跳转这种标志位写法虽然多一行代码但逻辑清楚也更容易调试。4.2 for-else大多数人没用过的循环收尾for循环配合else是 Python 一个非常特别但也非常容易被忽略的语法。它的含义是如果循环完整结束没有被break打断就执行else块里的代码。最常见的应用是查找是否存在某个元素for item in items: if item target: print(找到了) break else: print(没找到)这段代码如果走break退出else不会执行如果整个列表遍历完都没找到else就会执行提示没找到。这个写法省去了一个found标志位相当优雅。不过我的建议是用这个语法之前想清楚团队其他人懂不懂。如果同事大多是新手这个语法可能反而造成阅读障碍。我会在代码里加上注释或者干脆用标志位写得更明显。语法很香可读性优先。4.3 嵌套循环的优化思路嵌套循环是性能问题的重灾区。三层以上嵌套数据量稍微大一点运行时间就是灾难级别的。优化手段主要有三种思路。第一种思路是把内层循环的计算提到外层。比如下面这个例子for i in range(n): for j in range(m): result i * j * some_constant如果some_constant不依赖i和j那么完全可以提出来算好。实际代码里的常量提取没有这么简单但精神是一样的内层循环体内的代码越少越好凡是能在外层算好的不要放到内层去重复计算。第二种思路是用空间换时间。比如两个列表求交集如果直接用双层循环是 O(n*m)但如果先把一个列表转成set再遍历另一个列表去in查询时间复杂就变成 O(nm)。别小看这个差异数据量上万时差别非常明显。第三种思路是尽早跳出。内层循环如果能提前判断条件已经无法满足就赶紧break。这个思路需要你对业务数据的分布有了解不是所有场景都能用但用对地方收益很大。5. 循环的性能、惯用法与常见坑5.1 循环体里少做三件事循环性能是实战里绕不开的问题。我总结了三件在循环体里尽量少做的事第一少在循环体内拼接字符串。result item这种方式在字符串上是 O(n) 级别的复制操作循环次数多了性能很差。推荐用列表收集再.join()。第二少在循环体内用in去查询一个列表。if x in list_a在列表上是 O(n)放在循环里等于 O(n*m)。如果查询目标集合不变请先用set转换。第三少在循环体内反复调用同一个函数。如果某个函数调用的结果在循环体内不会变化把它提前算出来存到变量里。这个看起来是常识但我见过太多人把len(lst)写在循环条件里反复调用。顺便说一句Python 的range(len(lst))的len只计算一次这个倒不用慌。这三件事有一个共同的核心思维循环是反复执行的任何多一点点的开销都会被放大很多倍所以能提出来的一次性操作绝不放进去。5.2 列表推导式和生成器表达式新手在一个项目里待久了会慢慢发现很多循环其实是为了构建一个新列表result [] for i in nums: if i % 2 0: result.append(i * 2)这种模式在 Python 里可以用列表推导式一行搞定result [i * 2 for i in nums if i % 2 0]列表推导式的性能优势不只是少写几行。它在底层直接调用列表的append方法没有循环中的属性查找和中间变量赋值速度快了不少。实测下来数据量在十万级别时列表推导式通常比普通循环快 20% 到 40%。如果不急着一次性拿到所有结果还能把方括号改成圆括号变成生成器表达式gen (i * 2 for i in nums if i % 2 0)生成器表达式返回的是一个生成器对象遍历时惰性求值不会一次性把所有结果放进内存。处理超大数据时这个优势非常明显。比如你有一个一千万个元素的日志文件要筛选出包含错误信息的行用生成器表达式可以做到逐行处理内存占用几乎不变。5.3 迭代时修改列表经典翻车现场这个坑我敢说每个 Python 开发者都踩过至少一次。在一个循环里遍历列表的同时删除元素lst [1, 2, 3, 4, 5] for item in lst: if item % 2 0: lst.remove(item)运行结果会让人觉得莫名其妙遍历结束时列表里还留着 2 或者 4 没有被删干净。原因是remove会把列表元素往前挪而for循环内部的索引还在继续往后走就相当于跳过了下一个元素。正确做法是遍历副本修改原列表lst [1, 2, 3, 4, 5] for item in lst[:]: if item % 2 0: lst.remove(item)或者直接一次到位用列表推导式生成新列表lst [item for item in lst if item % 2 ! 0]如果元素很多要避免复制新手可以换成while配合索引但要注意删元素后索引不能递增。更稳妥的方案是用列表推导式生成新列表后重新赋值。这个坑提醒我们一边遍历一边修改数据结构的体积是循环里最大的禁忌之一。5.4 素数求和一个例子串起所有知识热搜词里有一个经典题目用循环找出 1 到 100 以内的所有素数并计算所有素数之和。这个题目非常适合用来检验循环知识是否牢固因为它的解法能同时用到for、range、break、continue和枚举思路。常规解法total 0 for num in range(2, 101): is_prime True for i in range(2, int(num ** 0.5) 1): if num % i 0: is_prime False break if is_prime: total num print(total)这里有几个关键点range(2, 101)是从 2 开始因为 1 不是素数100 包含在内所以stop是 101。内层循环只到平方根加一因为如果一个数有大于平方根的因子而小于等于平方根的那个因子早就被检查过了。比如 49只需要检查到 7 就够了没必要试到 48。break的作用是找到一个因子立刻退出内层循环省掉后面的无用功。这个题目还能进一步展示for-else的优雅total 0 for num in range(2, 101): for i in range(2, int(num ** 0.5) 1): if num % i 0: break else: total num print(total)for-else在这里的含义是如果内层循环完整跑完都没撞上因子说明这个数是素数累加进total。我建议所有初学者亲手把这个素数例子用至少三种方式写一遍普通双重循环、带标志位、带for-else。写完之后你对循环控制的理解会扎实很多。6. 循环错误排查速查表与个人避坑心得6.1 常见问题速查表错误表现根本原因解决办法循环次数比预期少一次range的stop取不到最后一项确认结束值是否正确该写n1的别写n结果中出现最后一个元素丢失用range(len(lst) - 1, -1, -1)边界算错改用reversed(lst)遍历字典拿到的是键而不是值直接for字典默认遍历键用items()或values()循环内删列表元素结果没删干净修改列表导致索引错位遍历副本或改用列表推导式程序卡住不退出死循环出口条件永远不满足检查出口条件、加超时保护循环内变量值始终一样在循环外面改了需要每次更新的变量确认变量赋值是否在循环体内多层循环break没全跳到外面break只终止当前层用标志位或封装成函数提前returnzip的结果不对少了数据zip按最短序列对齐如需补齐用itertools.zip_longest循环体内拼接大量字符串很慢字符串不可变拼接开销大收集到列表用.join()这张表是我这几年来遇到的高频问题总结。很多错误在语法上完全合法但在逻辑上就是和你的直觉对着干。排查时可以对照表里的“根本原因”一列比重新看一遍代码快得多。6.2 几个我实测过的调试技巧关于循环的调试我分享几个实际验证过的方法比单纯 print 强很多。第一个技巧是把循环体抽出来变成函数。如果你觉得循环逻辑复杂到没法一眼看穿干脆把它抽成一个函数。这样不仅能单独测试而且函数内部的return可以直接充当“多层跳出”比标志位干净得多。代码变成函数后循环的身体通常会被压缩成一个简单的聚合调用读起来清爽太多。第二个技巧是用枚举值代替打印。调试循环时很多人喜欢在 body 里加print(i)但数据量一大根本没意义。更好的方式是把关键状态放到一个列表里收集等循环结束后一次性打印或分析。这样既不会刷屏又能看到循环中每个阶段的完整轨迹。第三个技巧是心里时刻有条“复杂度账本”。每次写嵌套循环时下意识估算一下最坏情况下的执行次数。如果发现 O(n³) 甚至更高立刻警惕考虑换方案。很多性能问题的根源不是某个循环写错了而是嵌套结构本身太深需要从算法层面优化而不是微调代码。收个尾我的一点实际体会写了这么多年 Python循环这个知识点看起来基础但真的能直接区分一个人代码的“质感”。同样的功能有人写出来就是三分钟能看懂的清晰逻辑有人写出来就是一堆缩进和标志位绕来绕去。差别往往就在对for语义、迭代协议、else分支、解包这些细节的理解上。我个人建议拿到任何需要循环的场景先问自己一句这个循环是在遍历数据还是在等待条件前者清一色用for加合适的辅助函数后者才轮到while上场。等你把这个选择题做顺了循环这一关就算真正过了。最后再分享一个小技巧多去看看itertools模块。takewhile、dropwhile、chain、product这些工具能取代一大批手写循环而且代码更短更不容易出错。循环不只是语法问题更是个“用什么抽象代替手写”的问题这是我最近最大的体会。
