程序员文章、书籍推荐和程序员创业信息与资源分享平台

网站首页 > 技术文章 正文

python 10个堪称完美的for循环实践

hfteth 2025-05-30 14:49:53 技术文章 3 ℃

在Python中,for循环的高效使用能显著提升代码性能和可读性。以下是 10个堪称完美的for循环实践,涵盖数据处理、算法优化和Pythonic编程风格:

1.遍历列表同时获取索引(enumerate)

fruits = ['apple', 'banana', 'cherry']
for idx, fruit in enumerate(fruits, start=1):  # start参数自定义起始索引
    print(f"{idx}. {fruit}")

输出

1. apple
2. banana
3. cherry

优势:避免手动维护计数器,代码更简洁。

2.并行遍历多个序列(zip)

names = ['Alice', 'Bob', 'Charlie']
scores = [85, 92, 78]
for name, score in zip(names, scores):
    print(f"{name}: {score}分")

输出

Alice: 85分
Bob: 92分
Charlie: 78分

优化:使用zip_longest处理不等长序列(需from itertools import zip_longest)。


3.字典键值对遍历(items())

student_grades = {'Alice': 'A', 'Bob': 'B+', 'Charlie': 'C'}
for name, grade in student_grades.items():  # 直接解包键值对
    print(f"{name}: {grade}")

优势:比for key in dict再dict[key]查找更高效。


4.条件过滤(生成器表达式)

numbers = [1, 2, 3, 4, 5, 6]
even_squares = [x**2 for x in numbers if x % 2 == 0]  # 列表推导式
print(even_squares)  # 输出: [4, 16, 36]

内存优化版(大数据量):

even_squares_gen = (x**2 for x in numbers if x % 2 == 0)  # 生成器表达式

5.逆序遍历(reversed)

for i in reversed(range(5)):
    print(i)  # 输出: 4, 3, 2, 1, 0

适用场景:修改列表时避免索引错乱(如删除元素)。

6.按步长遍历(range步长参数)

for i in range(0, 10, 2):  # 步长=2
    print(i)  # 输出: 0, 2, 4, 6, 8

替代方案:for i in my_list[::2](但切片会生成新列表)。


7.嵌套列表展开(itertools.chain)

from itertools import chain
matrix = [[1, 2], [3, 4], [5, 6]]
for num in chain.from_iterable(matrix):  # 比双重循环更高效
    print(num)  # 输出: 1, 2, 3, 4, 5, 6

优势:避免嵌套循环,提升可读性。


8.带条件的提前终止(for-else)

numbers = [2, 4, 6, 8, 10]
for num in numbers:
    if num % 2 != 0:
        print("发现奇数")
        break
else:  # 仅当循环完整执行时触发
    print("全是偶数")

输出:全是偶数
适用场景:搜索满足条件的元素。


9.高效文件逐行处理

with open('large_file.txt', 'r') as file:
    for line in file:  # 逐行读取,内存友好
        process(line)  # 处理每行

优化:比readlines()节省内存(后者加载全部内容到内存)。


10.并行计算(multiprocessing.Pool)

from multiprocessing import Pool

def process_data(data_chunk):
    return sum(x*x for x in data_chunk)

data = [range(1000)] * 4  # 4个任务
with Pool(4) as p:  # 4进程并行
    results = p.map(process_data, data)
print(sum(results))  # 合并结果

优势:充分利用多核CPU,加速计算密集型任务。


最佳实践总结

场景

推荐方案

替代方案(不推荐)

需要索引

enumerate

for i in range(len(lst))

并行遍历

zip

手动索引访问

字典遍历

items()

先取keys再取值

条件过滤

生成器表达式

手动if判断

大数据处理

逐行/逐块处理

一次性加载

Tags:

最近发表
标签列表