1. 为什么说循环是Python里最矛盾的语法说个真实感受我在带过不少Python新手之后发现大部分人学不会循环问题不在循环本身而在思维切换。数学题做多了你会天然认为代码是从上往下一条一条执行的但循环一出现程序突然开始回头了。这个认知冲击比语法本身难得多。如果你正被Python循环折磨别急着背for和while的格式先想清楚一件事——循环的本质不是重复执行而是用有限的代码描述无限的重复规律。Python的循环体系其实非常克制不像C或者Java那样给你满满当当一整套。它只有两个核心循环关键字for和while。但就是这两个配合上range()、可迭代对象、break/continue/else、甚至列表推导式能组合出来的玩法远超想象。这篇内容我准备按核心用法来拆而不是按语法难度来堆。你学完之后至少能解决这几个问题for和while到底什么区别、嵌套循环怎么不迷路、如何优雅地打断循环、以及怎么写出比循环更Pythonic的替代方案。先说个反直觉的结论Python里90%的循环其实都可以用for搞定而while只负责那10%不确定何时结束的场景。这个判断不是我随便说的是编译原理里遍历已知集合和满足条件持续执行两种模型天然决定的。你用错了模型就会写出充满补丁的代码。下面咱一个一个来拆。2. for循环的底层逻辑遍历的不是变量是可迭代对象的协议2.1 range()函数没你想的那么简单绝大多数Python新手接触到的第一个for循环一定是这样for i in range(5): print(i)输出是0到4。这时候很多人会把range(5)理解成生成一个列表[0,1,2,3,4]。在Python 2时代它确实返回列表但Python 3里range()返回的是一个惰性求值的可迭代对象——它不一次性把所有数字塞进内存而是你每要一个它给你一个。这个差异在循环一亿次的时候天差地别。range()的完整签名是range(start, stop, step)三个参数全是整数遵循含前不含后的原则。我见过很多人写range(1, 5)期待输出1、2、3、4、5结果没有5这就是没搞懂右边界开区间。有几个容易忽略的用法值得单独说# 反向遍历step为负数 for i in range(10, 0, -1): print(i) # 步长为2的偶数序列 for i in range(0, 101, 2): print(i) # range对象本身可以求长度、取下标它是一个序列 r range(1, 100, 3) print(len(r)) # 33 print(r[5]) # 16第二个需要注意的用法是用range实现索引遍历。很多教程告诉你能直接遍历列表就尽量别用下标这话没错但有些场景你真的需要下标你要同时修改列表元素、你要回溯前一个位置、你要根据当前位置做判断。这时候你写lst [10, 20, 30, 40] for i in range(len(lst)): lst[i] 1对比for x in lst这种值遍历索引遍历拿到的是位置你可以通过位置反查元素、修改元素。两者各有应用场景没有谁绝对好。2.2 for循环的迭代协议比语法本身更值钱为什么Python允许你直接for item in my_list是因为列表内部实现了__iter__()方法返回一个迭代器迭代器又实现了__next__()每次被调用就吐出下一个元素吐完抛StopIteration异常。for循环的本质就是不断调用next()捕获到StopIteration就停止。理解这个协议最大的收获是——你自己定义任何类只要实现__iter__和__next__它就能放进for循环里。比如写一个倒计时类class Countdown: def __init__(self, start): self.current start def __iter__(self): return self def __next__(self): if self.current 0: raise StopIteration val self.current self.current - 1 return val for n in Countdown(3): print(n)输出3、2、1。这个技巧在业务代码里可能用得少但在框架设计、状态机、流式处理里非常常见。你理解了这层协议就会明白for循环根本不是遍历列表的专用语法它是所有可以被按顺序一个个取值的东西的统一入口。这也就是为什么你能for ch in hello遍历字符串、for key in {a:1,b:2}遍历字典键、for line in open(a.txt)逐行读文件——它们全都实现了迭代协议。2.3 遍历字典和多个序列时的高频技巧for key in d拿键for value in d.values()拿值for key, value in d.items()同时拿键和值for index, value in enumerate(lst)同时拿下标和值for a, b in zip(list1, list2)并行遍历两个列表这里重点说一下enumerate。很多人写for i in range(len(lst))然后又写lst[i]其实enumerate就是为这个场景设计的语法糖lst [三体, 球状闪电, 流浪地球] for idx, name in enumerate(lst, start1): print(f第{idx}本小说是{name})start1是很多人不知道的参数。第二个是zip它返回的是元组的迭代器适合处理多列数据对齐遍历。最常见的案例是两个列表按位置一一对应names [张三, 李四, 王五] scores [88, 95, 76] for name, score in zip(names, scores): print(f{name}: {score})有个小坑提醒一下zip遍历到较短的那个序列结束就停了。如果你需要按最长的来缺失部分补默认值要用itertools.zip_longest这是刚从基础跨向进阶时最容易踩的坑。3. while循环不设次数上限的循环应该怎么驾驭3.1 while最核心的使用场景不确定何时结束while的判断条件在上面只要条件为真就一直执行。很多教程把while和for并列来讲好像两者可以随便互换这个理解是错的。两者的分工非常明确for面向已知集合while面向满足条件之前不断尝试。典型场景有三个第一个是用户输入校验。你不知道用户什么时候输入正确所以不可能用for只要输入不合法条件就一直为真循环继续password input(请输入密码) while len(password) 6: print(密码太短至少6位) password input(请重新输入)第二个是状态轮询。比如你去检测一个异步任务是否完成或者检查某个服务是否启动成功这类等待外部状态变化的场景天然属于whileimport time status pending while status pending: time.sleep(2) status check_status() # 假设这是外部接口 print(任务完成)第三个是游戏主循环。几乎每个游戏引擎的主循环都是while只要玩家还没退出就持续处理输入、更新逻辑、渲染画面。这也是while最经典的形象。3.2 无限循环的正确打开方式while True break新手最怕死循环但老手反而主动写死循环然后通过break主动退出。这种模式叫先无条件进入循环在循环体内部判断是否退出。为什么这么写比把条件写在while后面更清晰因为在很多场景里退出条件不是循环一开始就能确定的可能藏在循环体中间、甚至藏在函数调用的返回结果里。while True: line input(请输入命令输入quit退出) if line quit: break print(f执行命令{line})注意这段代码如果条件写在while后面你第一遍读代码就得先理解什么情况不进入循环改成while True之后阅读顺序变成了进来处理判断要不要离开。这个方向很符合大脑的直觉。曾经有人Diss这种写法说while True看起来像bug。实际判断标准只有一条条件是否在进入循环之前就能确定如果能用条件式while如果不能用while True break。这条规则适合所有初学者直接用。3.3 for和while到底怎么选一张决策表搞定我见过不少开发者写循环全凭手感想起来哪个用哪个。其实选择标准可以固化成一条决策链判断标准用for用while要遍历列表/字典/文件等可迭代对象是否已知精确的循环次数如遍历range是否循环次数取决于运行时条件否是需要无条件进入后靠break退出否是可能一次都不执行否是条件首判这段逻辑记不住也没关系至少记住这一句当你发现自己写下for i in range(999999)这种大得离谱的固定次数时八成是在用for硬模拟while。反过来说如果某段while循环里写满了计数器累加、边界判断而且你发现自己还要在循环末尾手动i 1那这活本该用for干。4. 循环嵌套从九九乘法表到冒泡排序的执行顺序拆解4.1 嵌套循环的本质外层跑一次内层跑一圈很多初学者看到两层for循环直接懵了不知道程序到底怎么走的。其实记住一句话就行外层循环每执行一次内层循环就要完整地从头跑到尾。就好比你有一张课程表外层循环遍历星期一到星期五内层循环遍历每天的第1到第4节课——星期一过完星期二的第1到第4节课重新开始排。拿代码来演示就是这么回事for i in range(1, 4): for j in range(1, 4): print(f外层i{i}, 内层j{j})执行路径是(i1,j1)、(i1,j2)、(i1,j3)、(i2,j1)、(i2,j2)、...。注意j不是跟着i跑的j每次都在i进去之后从初始值重新开始。这一点想清楚了嵌套循环基本就通了。4.2 经典案例一九九乘法表的三种写法九九乘法表是理解嵌套循环最合适的练手题。我们分析一下需求第i行需要打印i个式子每行格式j x i j*i。也就是说外层决定行数内层决定该行有几个式子。最常见的写法for i in range(1, 10): for j in range(1, i 1): print(f{j} x {i} {i * j}, end\t) print()注意第3行内层循环的range结束条件写的是i 1不是固定的10。这就是嵌套循环的进阶——内层循环的范围依赖外层循环的变量。当i1时内层只有j1一个式子当i9时内层从j1到j9全部输出。这样天然就形成了下三角的效果。有些人会问如果想让内层范围依赖外层变量是不是显得代码很绕其实这是嵌套循环最核心的价值所在比如打印金字塔图形、数组的上三角遍历全部依赖这个模式。4.3 经典案例二冒泡排序的嵌套逻辑与时间复杂度冒泡排序是另一个必练的嵌套循环项目。它的思路是每一轮把当前未排序部分的最大值冒泡到最右边。要实现这个外层循环负责一共要冒几轮n-1轮内层循环负责每一轮中比较哪些相邻元素。arr [64, 34, 25, 12, 22, 11, 90] for i in range(len(arr) - 1): swapped False for j in range(len(arr) - 1 - i): if arr[j] arr[j 1]: arr[j], arr[j 1] arr[j 1], arr[j] swapped True if not swapped: break print(arr)这里面有一个容易忽略的细节内层循环的结束条件len(arr) - 1 - i。为什么减去i因为每一轮结束右边就多一个已经排好的元素下一轮根本不需要再碰它。这个-i就是嵌套循环的精华——通过外层变量动态缩小内层的活动范围。冒泡排序的时间复杂度是O(n²)这个平方从哪来的外层n-1轮内层平均n/2次比较相乘就是约n²/2。理解嵌套循环复杂度是写高性能代码的起点。4.4 嵌套循环的性能陷阱复杂度不能只挂在嘴上理论上O(n²)可以接受但实际写好嵌套循环的人都懂得能提前结束就提前结束。常见优化手段包括三种第一种是内部条件跳出。比如上面的冒泡排序如果某一轮没有发生任何交换说明已经有序直接break掉后续所有轮次。第二种是把内层循环里能提出去的计算提到外层。比如某个表达式和内层变量无关却放在内层里算了n次纯粹浪费。第三种是用Python内置函数减少内层操作比如在循环里调用list.index()、list.count()这类线性方法实际会变成O(n²)甚至O(n³)能避免尽量避免。如果你在写数据量上万的双重循环先别急着优化语法算一下复杂度是否在自己的心理预期内。做不到这点后面改起来非常痛。5. break、continue、else控制循环节奏的三兄弟5.1 break和continue的生效边界break是立刻结束整个循环continue是跳过本次循环剩下的代码直接进入下一次迭代。注意两者的区别continue不会退出循环它只是提前岔开。for i in range(10): if i % 2 0: continue # 偶数直接过不打印 if i 8: break # 当i9时提前退出 print(i)这段会打印1、3、5、7。因为0、2、4、6、8被continue略过9大于8被break掉。实际业务里最常见的continue场景就是数据清洗时跳过脏数据遍历一批记录如果字段缺失就直接continue不处理break最常见的场景就是找到目标立即停。有个边界要特别强调break和continue只能作用于最内层的循环。你在双重循环的内层写一个break它只跳出内层外层照跑。这是Python自动设定的边界很多从其他语言转过来的新手在这里栽跟头。5.2 for-else和while-elsePython独有的循环后置逻辑如果问你循环正常结束之后你想干点啥你可能会想把代码写在循环后面不就行了但是有个场景这样写会出问题——判断一个循环到底是被人为break掉的还是自然走到头的。新手通常用一个标志位found False for x in seq: if x target: found True break if found: print(找到了) else: print(没找到)Python给这个场景提供了一个更优雅的原生语法——循环末尾接elsefor x in seq: if x target: print(找到了) break else: print(没找到)注意else的执行条件循环内没有执行break循环自然结束时才执行else块。如果是因为break跳出的else不会运行。同理while也支持这个结构。经典案例如质数判断num 17 for i in range(2, num): if num % i 0: print(f{num}不是质数) break else: print(f{num}是质数)这段代码如果上面没有一个能被整除的因子整个for循环跑完都遇不到break于是进入else打印质数。这个写法的好处是不用额外声明flag变量逻辑从事后判断变成了循环本身的一部分。5.3 多层循环怎么整体跳出三种可靠做法嵌套循环里用break只跳内层可如果你想找到目标后直接结束所有循环该怎么办我总结三种方案从最笨但直观到最优雅。方案一标志变量法。外层循环每个时刻检查一个布尔变量内层break时把标志置为True外层再依据标志breakflag False for i in range(100): for j in range(100): if j 50: flag True break if flag: break方案二抽成函数用return返回。return天然结束整个函数的执行所以只要把双重循环包进函数里内层遇到目标直接returndef search_matrix(matrix, target): for i, row in enumerate(matrix): for j, value in enumerate(row): if value target: return i, j return None这在代码组织上其实是最推荐的——循环逻辑独立成一个函数职责清晰可测试。方案三for-else参与多层跳出。把方案一升级一下利用外在循环的else语义如果内层break了外层就不应该进入else想让内层break事件传导到外层用标志位同时配合外层else。这三种方案里我最常写的还是方案二因为它最符合函数单一职责的原则。你如果在一个很长的函数里写多重循环优先考虑能不能把循环抽出去。5.4 循环里的异常处理千万别只用try-except包住整段循环最后一个控制节奏的细节在循环里处理异常很多人习惯把整个循环包在try里这样一旦某次迭代出异常循环直接中止后面的数据全丢了。更精细的做法是把try-except放在循环体内部让异常只影响当前迭代for item in data_list: try: process(item) except ValueError as e: print(f跳过异常数据{item}: {e}) continue这样处理完之后循环还能继续跑下去。在处理爬虫批量采集、批量导入Excel数据的实际项目里这种单条容错几乎是刚需。否则一条脏数据就能让整个任务中断重跑成本非常高。6. 列表推导式与生成器表达式比循环更Pythonic的进阶写法6.1 循环之外的第四大核心用法为什么是推导式我一直觉得Python里真正称得上进阶的循环能力不是写花式嵌套而是**不再用循环**。Python社区有个著名的评审原则能用内置函数和推导式解决的问题就不要写for循环。为什么不是歧视循环而是推导式的可读性、执行速度和内存表现通常都优于等价循环。最基础的语法就是一行模式是[表达式 for 变量 in 可迭代对象 if 条件]。对比一下# 传统循环 squares [] for i in range(10): if i % 2 0: squares.append(i ** 2) # 列表推导式 squares [i ** 2 for i in range(10) if i % 2 0]两者结果完全一样0、4、16、36、64但推导式写起来更紧凑、读起来更像英语把i的平方收集起来对于0到9的每个i当i为偶数时。Python作者们推崇这个写法是因为它把创建一个新列表的意图直接写在语法层面了。6.2 从嵌套循环到嵌套推导式既然循环可以嵌套推导式当然也可以嵌套。最典型的案例是矩阵转置matrix [[1, 2, 3], [4, 5, 6]] transposed [[row[i] for row in matrix] for i in range(3)] # 结果是 [[1, 4], [2, 5], [3, 6]]注意推导式的嵌套顺序跟for循环的书写顺序是一致的外层for i in range(3)内层for row in matrix。写嵌套推导式最容易搞错的就是顺序建议先用普通循环把逻辑跑通再改写成推导式不要一上来就直接写嵌套推导。再举一个实战里常见的例子扁平化二维列表。nested [[1, 2], [3, 4], [5, 6]] flat [x for sublist in nested for x in sublist] # 结果是 [1, 2, 3, 4, 5, 6]这个读法有点反直觉但记住规则——for子句按逻辑先后从左到右写。6.3 生成器表达式性能敏感场景下的终极选择列表推导式是在内存里生成完整的列表。如果数据量很大这个列表可能吃掉大量内存。此时改用生成器表达式——把方括号换成圆括号——结果是一个惰性求值的生成器对象sum_of_squares sum(x ** 2 for x in range(10_000_000))注意这里甚至不需要额外加一对括号直接作为sum的参数传入。range(10_000_000)本身惰性x ** 2 for x...也是逐个算的整个表达式在任意时刻只保存一个整数。对比用列表推导式先要生成包含一千万个元素的列表内存会瞬间爆炸。生成器表达式适合**只需要遍历一次的场景**求和、取最大最小、判断是否存在某元素这些操作不需要保留全部数据。但如果你要多次遍历同一个结果或者需要随机访问下标那就别用生成器老老实实用列表。6.4 可读性优先什么时候回到循环写完这一段我特别想提醒推导式不是万能药。当你发现一个推导式需要写非常复杂的条件、嵌套超过两层、表达式长度超过一行它就已经失去可读性了。PEP8和很多大厂的代码规范都不允许过于复杂的推导式。一个经验法则是循环逻辑简单、过滤条件清晰用推导式逻辑超过两个for加一个if回到普通循环循环体内有多个副作用比如既要append又要print又要修改外部变量必须用普通循环我自己处理过不少线上代码评审看到的最多问题不是推导式写错而是推导式写太长没人看得懂。代码是写给人维护的性能差异在绝大多数业务场景都可忽略可读性才是真实成本。7. 写在最后的实操心得循环这个知识点属于看着简单、用起来全面考验功底的类型。我见过很多写了几年Python的开发者仍然会在while和for之间摇摆。我的体会是学习循环最有效的方式不是做题而是主动用它改写你日常的任务。比如你平时处理Excel数据用的命令能不能改成循环批量跑你写的爬虫能不能用for-else优化一下找不到数据的逻辑你天天处理JSON能不能把嵌套的字段遍历用推导式简化掉另外一个挺实际的建议在本地跑代码的时候开一个python -m timeit把你写的循环和推导式各测一遍感受一下真正的性能差异这比干背推导式更快有用一百倍。代码是自己的踩过的坑也必须是自己的才能记得牢。
