​
免费编程软件「python+pycharm」
链接：https://pan.quark.cn/s/48a86be2fdc0

在Python编程中，循环语句是控制程序流程的核心工具之一。它让代码能够重复执行特定操作，避免冗余的重复编写。本文将通过实际案例和通俗解释，带你掌握Python循环语句的精髓，从基础语法到进阶技巧，用最直观的方式理解循环的工作原理。

一、为什么需要循环？——从重复劳动到自动化
想象你正在处理一份学生成绩单，需要计算100名学生的平均分。如果没有循环，你需要为每个学生写一段相同的代码：

无循环的冗余写法（仅展示3名学生）

score1 = 85
score2 = 90
score3 = 78
total = score1 + score2 + score3
average = total / 3
当学生数量增加到100人时，这种写法显然不现实。循环的作用就是让计算机自动完成重复操作，你只需告诉它"重复做什么"和"重复多少次"。
Python中的循环主要分为两类：for循环（明确次数）和while循环（条件满足时持续）。它们就像工厂里的两条生产线，分别适用于不同场景。

二、for循环：按次数重复的精确工具

1. 基础语法：遍历序列
   for循环的核心是遍历一个序列（列表、元组、字符串等），对每个元素执行相同操作。基本结构如下：

for 变量 in 序列:

# 循环体

案例1：计算列表总和

scores = [85, 90, 78, 92, 88]
total = 0
for score in scores:
total += score # 等价于 total = total + score
print("平均分:", total / len(scores))
运行结果：
平均分: 86.6
这里 for 循环依次取出 scores 中的每个分数，累加到 total 变量中，最后计算平均值。

1. range()函数：生成数字序列
   当需要固定次数的循环时，range()函数是最佳搭档。它生成一个数字序列，常用于控制循环次数。

语法：

range(start, stop, step)

start: 起始值（默认0）

stop: 结束值（不包含）

step: 步长（默认1）

案例2：打印1到10的奇数

for i in range(1, 11, 2): # 从1开始，到10结束（不含），步长2
print(i, end=" ")
输出：
1 3 5 7 9

1. 遍历字典：处理键值对
   字典的for循环默认遍历键，若需同时获取键值对，可使用.items()方法。

案例3：统计单词频率

word_counts = {"apple": 3, "banana": 2, "orange": 5}
for word, count in word_counts.items():
print(f"{word}出现了{count}次")
输出：
apple出现了3次
banana出现了2次
orange出现了5次

1. 嵌套循环：处理多维数据
   当需要处理二维数据（如矩阵）时，嵌套for循环非常实用。

案例4：打印乘法表

for i in range(1, 10): # 外层循环控制行
for j in range(1, i+1): # 内层循环控制列
print(f"{j}x{i}={i*j}", end="\t")
print() # 每行结束后换行
输出（前3行）：
1x1=1
1x2=2 2x2=4
1x3=3 2x3=6 3x3=9
三、while循环：条件驱动的灵活执行
与for循环的固定次数不同，while循环在条件为真时持续执行，适合不确定循环次数的场景。

1. 基础语法：条件控制
   while 条件:

   循环体

   案例5：猜数字游戏

import random
target = random.randint(1, 100)
guess = None

while guess != target:
guess = int(input("猜一个1-100的数字: "))
if guess < target:
print("太小了！")
elif guess > target:
print("太大了！")
print("恭喜猜中！")
这个游戏中，while 循环会持续询问用户输入，直到猜中正确数字。

1. 避免无限循环：设置退出条件
   while循环必须包含能最终使条件变为假的逻辑，否则会形成无限循环。

错误示范：

while True: # 缺少退出条件
print("无限循环中...")
修正方法：添加break语句

count = 0
while True:
print("当前计数:", count)
count += 1
if count >= 5: # 当计数达到5时退出
break

1. continue与break：控制循环流程
   break：立即终止整个循环
   continue：跳过当前迭代，进入下一次循环
   案例6：筛选偶数

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9]
for num in numbers:
if num % 2 != 0: # 如果是奇数
continue # 跳过本次循环
print(num, end=" ")
输出：
2 4 6 8
案例7：寻找质数

num = int(input("输入一个数字检查是否为质数: "))
i = 2
is_prime = True
while i * i <= num: # 只需检查到√num
if num % i == 0:
is_prime = False
break
i += 1
print("是质数" if is_prime else "不是质数")
四、循环的高级技巧：提升代码效率

1. 列表推导式：简洁的循环写法
   Python提供了一种更简洁的循环写法——列表推导式，能在一行代码中完成循环和列表生成。

语法：

[表达式 for 变量 in 序列]
案例8：生成平方数列表

squares = [x**2 for x in range(1, 6)]
print(squares) # 输出: [1, 4, 9, 16, 25]
带条件的列表推导式：

even_squares = [x**2 for x in range(1, 11) if x % 2 == 0]
print(even_squares) # 输出: [4, 16, 36, 64, 100]

1. enumerate()：获取索引和值
   在遍历序列时，经常需要同时获取索引和值，enumerate()函数可以完美解决这个问题。

案例9：打印带索引的列表元素

fruits = ["apple", "banana", "orange"]
for index, fruit in enumerate(fruits):
print(f"索引{index}: {fruit}")
输出：

索引0: apple
索引1: banana
索引2: orange

1. zip()：并行遍历多个序列
   当需要同时遍历多个序列时，zip()函数可以将它们"压缩"在一起。

案例10：合并学生姓名和成绩

names = ["Alice", "Bob", "Charlie"]
scores = [85, 90, 78]
for name, score in zip(names, scores):
print(f"{name}的成绩是{score}")
输出：
Alice的成绩是85
Bob的成绩是90
Charlie的成绩是78

五、循环性能优化：避免常见陷阱

1. 减少循环内部的计算
   循环体中的计算会重复执行，应尽量将不依赖循环变量的计算移到循环外。

低效写法：

for i in range(1000):
result = i * (len(some_list) + 1) # len()在每次循环都计算

高效写法：

list_length = len(some_list) + 1
for i in range(1000):
result = i * list_length # 只需计算一次

1. 避免不必要的嵌套循环
   嵌套循环的时间复杂度是O(n²)，当数据量大时性能会急剧下降。

低效案例：查找两个列表的共同元素

list1 = [1, 2, 3, 4, 5]
list2 = [4, 5, 6, 7, 8]
common = []
for x in list1:
for y in list2:
if x == y:
common.append(x)

高效解决方案：使用集合

set1 = set(list1)
set2 = set(list2)
common = list(set1 & set2) # 交集操作

1. 合理使用生成器
   处理大数据时，生成器可以节省内存，因为它逐个产生值而不是一次性生成所有值。

案例11：读取大文件

def read_large_file(file_path):
with open(file_path, 'r') as file:
for line in file: # 逐行读取，不占用大量内存
yield line.strip()

for line in read_large_file("huge_file.txt"):
process(line) # 处理每一行

六、实战案例：循环的综合应用
案例12：爬取网页链接
import requests
from bs4 import BeautifulSoup

def extract_links(url):
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
links = []
for link in soup.find_all('a'): # 查找所有标签
href = link.get('href')
if href and href.startswith('http'):
links.append(href)
return links

website_links = extract_links("https://example.com")
for link in website_links[:5]: # 打印前5个链接
print(link)

这个案例展示了如何用 for 循环遍历HTML标签，提取网页中的所有外部链接。
案例13：数据分析中的循环
import pandas as pd

模拟数据

data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Math': [85, 90, 78, 92],
'English': [88, 92, 85, 89]
}
df = pd.DataFrame(data)

计算每门课的平均分

for subject in ['Math', 'English']:
avg_score = df[subject].mean()
print(f"{subject}平均分: {avg_score:.2f}")

找出所有科目都高于85分的学生

highachievers = []
for , row in df.iterrows(): # 遍历DataFrame的每一行
if all(row[1:] > 85): # 检查Math和English列
high_achievers.append(row['Name'])
print("优秀学生:", high_achievers)

输出：
Math平均分: 86.25
English平均分: 88.50
优秀学生: ['Bob', 'David']

七、总结与最佳实践
选择合适的循环：
已知循环次数 → for循环 + range()
条件满足时持续 → while循环
需要遍历序列 → for循环
控制循环流程：
提前退出：break
跳过当前迭代：continue
避免无限循环：确保条件最终会变为假
提升代码可读性：
复杂的循环逻辑拆分为函数
使用有意义的变量名
添加必要的注释
性能优化：
减少循环内部计算
避免不必要的嵌套循环
大数据使用生成器
Python的循环语句虽然简单，但通过灵活组合和优化，可以解决从基础数据处理到复杂算法实现的各种问题。理解其核心原理后，你会发现循环是构建高效、优雅代码的基石之一。

​