Python 遍历 7 大招：循环、枚举、列表推导全收录

在 Python 编程中，遍历列表（List）看似简单，却隐藏着编程思维的深度。
它不仅是掌握循环的基础，更关乎你对 Python 迭代协议、性能优化和 可读性 的理解。
一名优秀的 Python 程序员，能在不同场景下选择最合适的遍历姿势，写出简洁优雅且高效的代码。

本文带你系统梳理 7 种 Python 列表遍历绝招，让你从“写得对”走向“写得妙”，全面开阔编程视野。

第一招：传统 for 循环 —— 最基础，最通用

fruits = ["apple", "banana", "cherry"]
for fruit in fruits:
    print(fruit)

✅ 优点：简单、直观、易读
✅ 场景：90% 的业务逻辑足够应对
⚠️ 注意：不要强行用索引 range(len(fruits))，易出错且冗长

第二招：enumerate() —— 下标与元素，双剑合璧

for index, fruit in enumerate(fruits):
    print(f"{index}: {fruit}")

✅ 优点：

• 优雅获取下标（index）和元素（value）
• 避免手动管理计数器，减少 Bug

✅ 进阶用法：

for index, fruit in enumerate(fruits, start=1):
    print(f"第{index}个水果是 {fruit}")

第三招：列表推导式 —— 一行搞定，Pythonic 的代表

[print(fruit) for fruit in fruits]

✅ 优点：简洁优雅，适合数据生成
⚠️ 注意：不推荐只为“打印”用列表推导，容易产生“无用的列表”

✅ 典型用法：

squares = [x**2 for x in range(10)]

第四招：while 循环 —— 处理复杂迭代或特殊终止条件

i = 0
while i < len(fruits):
    print(fruits[i])
    i += 1

✅ 场景：动态增删列表元素时慎用 for 循环，while 更安全
⚠️ 注意：务必避免死循环！

第五招：zip() 多列表并行遍历 —— 高级利器

colors = ["red", "yellow", "purple"]
for fruit, color in zip(fruits, colors):
    print(f"{fruit} is {color}")

✅ 场景：

• 同步遍历多个列表
• 数据合并处理

⚠️ zip 遍历到最短列表结束，慎防数据丢失

✅ 进阶：

for fruit, color in zip(fruits, colors, strict=True):  # Python 3.10+
    print(fruit, color)

第六招：反向遍历 —— 倒序也优雅

方法一：reversed()

for fruit in reversed(fruits):
    print(fruit)

方法二：负索引

for i in range(len(fruits) - 1, -1, -1):
    print(fruits[i])

✅ 应用场景：

• 删除元素时避免“下标塌陷”
• 数据反序处理，如栈结构模拟

第七招：迭代器与生成器 —— 面向大数据与性能的必备技能

iterator = iter(fruits)
while True:
    try:
        fruit = next(iterator)
        print(fruit)
    except StopIteration:
        break

✅ 优点：

• 支持懒加载（lazy evaluation）
• 适合海量数据处理（如日志、文件流）

✅ 延伸阅读：yield 生成器在数据流场景中的威力

实战总结：如何选择最佳遍历方式？

深度思考：遍历，背后是对“可迭代协议”的理解

你可知：

• Python 中所有可迭代对象（Iterable）都可被 for 遍历
• 本质是对象实现了 __iter__() 方法
• 生成器本质就是高级迭代器，支持“无限数据流”

✅ 例：

class MyRange:
    def __init__(self, n):
        self.n = n
    def __iter__(self):
        self.i = 0
        return self
    def __next__(self):
        if self.i < self.n:
            self.i += 1
            return self.i - 1
        raise StopIteration

从此，for 循环不再是“黑盒”，而是你手中的武器。

未来趋势与启示：AI 时代的遍历思维

1. 大模型驱动的数据流编程：生成器 + 协程（async for）将成为主流
2. Pandas/Numpy 的向量化遍历：更关注“整体运算”，少用 Python 层 for
3. 可读性第一，性能第二：代码风格和团队协作胜过盲目优化

结语：掌握列表遍历，是走向“高级 Python”的第一步

遍历不仅仅是“循环”的技巧，更是一种思维方式：

✅ 选择合适工具，优雅解决问题
✅ 深入理解 Python 迭代机制，掌控底层
✅ 写出既“好看”又“高效”的 Python 代码

愿你用好这 7 大遍历绝招，从此写 Python 如行云流水，
面对任何数据结构，都能挥洒自如，游刃有余！