1. 为什么说条件与循环是所有Python程序的心脏我经常在带新人和面试的时候问一个问题抛开框架和第三方库你自己独立写过最复杂的Python逻辑是什么结果十有八九的回答里核心无非就是几层if判断、几个for循环。这恰恰说明了一个事实——条件和循环语句才是Python程序真正的骨架。你可以不会面向对象、不懂装饰器但只要把这两块吃透就已经能解决工作中绝大多数的数据处理、流程控制问题。很多人觉得条件与循环太基础恨不得直接跳到爬虫、数据分析。但实际操作中你会发现报错最多的、调试最久的往往就是条件判断漏了一个边界值、循环变量写错范围、break和continue用混淆。与其后面反复补课不如一开始就把这两块庖丁解牛式地拆开。这篇内容不只是罗列语法我会把if、elif、else、while、for、break、continue这些关键字背后的运行逻辑、使用场景、易错点全部讲清楚并且配上可以直接跑通的示例和拆解思路。无论你是刚装好Python准备入门的新手还是写过一阵子但总觉得控制流不扎实的进阶者这篇文章都能帮你把地基打牢。1.1 从“顺序执行”到“控制流”你写的每行代码都在做选择先想一个最基础的问题Python解释器是怎么读你的代码的答案是自上而下、一行一行执行。这种模式叫“顺序执行”。但现实中的逻辑永远没有这么简单——你要判断用户输入的年龄是否满18岁、判断一个数是否为偶数、判断文件是否存在然后再决定下一步做什么。这时你就需要“控制流”而控制流的核心工具就是条件语句和循环语句。条件语句让程序“分叉”——根据不同的条件走不同的路循环语句让程序“重复”——在满足条件的情况下反复执行一段代码。两者经常配合使用循环里嵌条件条件里触发循环。理解了这个本质你就能明白为什么每个Python教程都会把这两块放在最前面因为它们是表达能力的基础单位。我见过不少人背语法背得很熟一到写实际功能就卡壳原因就在于只记住了“语句怎么写”没想明白“程序怎么走”。所以下面所有内容我都会带着“程序执行到这里会发生什么”的视角去讲而不是单纯列格式。1.2 条件与循环的“最小认知模型”我自己习惯用一个最简单的类比来理解控制流把程序想象成一条流水线。顺序执行零件从传送带一头进来经过A工位、B工位、C工位不加干预地流到另一头。条件语句流水线上装了一个探头检测到某种特征的零件就拨到左边轨道否则继续走右边轨道。循环语句流水线有个回转机构不合格的零件送回起点重新加工直到合格才放行。这套模型虽然简单但能帮你建立起“程序是在动态运行”的直觉。后面无论你写多复杂的代码——嵌套循环、多层判断、循环里提前退出——本质上都是在给这条流水线增加探头和回转机构。有了这个思维打底再去看具体语法就不会觉得是一堆死记硬背的关键字。1.3 一个真实的业务场景拆解光说不练没有体感我先给一个贴近日常的例子后面的知识点都可以套进这个场景里理解。假设你有一个文件里面是某班级学生的成绩单你需要统计成绩大于等于90分的评为“优秀”60到89分的评为“及格”小于60分的评为“不及格”最后输出每个档位的人数这个问题用Python解核心就是一个for循环遍历所有分数循环体里用if/elif/else判断分数属于哪个区间分别计数。整个程序不超过15行但已经把条件语句、循环语句、变量累加这些基础要素全用上了。类似这样的需求在真实的数据清洗、报表统计、日志分析中比比皆是。学会条件和循环就是学会用代码解决这类“重复判断”问题的能力。2. if / elif / elsePython里最常用的逻辑分支工具条件语句在Python里的主力就是if、elif、else这三个关键字。你可能早就见过它们但这里我想把每个细节和常见误区都摊开讲清楚因为这些细节决定了你的代码是否健壮。2.1 if语句的基础形态最简单的if语句长这样score 85 if score 60: print(及格了)这里有一个非常重要的细节Python用缩进来表示代码块而不是像C语言或Java那样用花括号。if后面跟一个条件表达式条件为真True时执行下面缩进的代码条件为假False时跳过缩进块继续往下走。缩进通常用4个空格同一个代码块内必须保持一致。混用Tab和空格会直接报IndentationError这是新手最容易踩的坑之一。我的建议是编辑器里把Tab键自动替换为空格一劳永逸。条件表达式可以是任何“能计算出真假值”的东西不一定是比较运算。比如name Alice if name: # 字符串非空即为True print(名字不是空的)Python中数字0、空字符串、空列表[]、空字典{}、None等都被视为“假值”其他值都视为“真值”。这个“真值测试”机制非常实用能让代码更简洁。2.2 elif是“否则如果”不是“再判断一次”很多人写多个分支时喜欢写成一连串独立的ifscore 75 if score 90: print(优秀) if score 60: print(及格) if score 60: print(不及格)这段代码能跑但存在严重问题score 75时score 90为假但score 60为真会打印“及格”这看起来没问题。可一旦score是95第一个if打印“优秀”第二个if又因为95 60为真再打印“及格”——一个分数被判了两次。这就是独立if和elif的本质差异elif只在前面所有条件都不成立时才会继续判断保证多个分支里只执行一个。score 95 if score 90: print(优秀) elif score 60: print(及格) else: print(不及格)运行结果只输出“优秀”。else是兜底分支前面所有条件都不满足时执行它不需要写条件表达式。判断顺序也有讲究。条件要按“从窄到宽”或“从特殊到一般”排列。还是拿成绩举例如果把score 60写在最前面那score 95会先命中“及格”后面的“优秀”分支永远执行不到。这个坑非常隐蔽逻辑上是“写完能跑”但结果完全不对。我见过不止一个初学者在这里栽过跟头排查半天才发现是分支顺序错了。2.3 比较运算符的完整清单条件表达式离不开比较运算符Python中常用的有以下这些运算符含义示例结果相等3 3True!不相等3 ! 4True大于5 3True小于5 3False大于等于5 5True小于等于5 4Falseis身份比较a is None见下文说明in成员判断py in pythonTrueis和的区别需要特别留意。比较的是“值是否相等”is比较的是“两个变量是否指向同一个对象”。对于整数和短字符串这类小对象Python有缓存机制a 1; b 1; a is b通常为True容易让人误以为is和等价。但遇到大整数、长字符串或自定义对象时就不一样了。安全规则是判断值用判断是否为None用is None。2.4 逻辑运算符 and / or / not 的短路行为多个条件需要同时满足或满足其一就用逻辑运算符组合age 25 salary 8000 if age 30 and salary 5000: print(符合初筛条件)and表示两边都为真才为真or表示至少一边为真即为真not表示取反。这三个运算符还有一个很重要的特性短路求值。程序执行a and b时如果a已经是False那不管b是什么整个表达式都为FalsePython就直接返回a不再计算b同理a or b中如果a是True也直接短路。短路特性在日常编码中特别有用可以用来避免一些错误。比如你想判断一个列表非空后再取第一个元素items [] if items and items[0] apple: print(第一个水果是苹果)如果items是空列表items本身为假短路后根本不会执行items[0]也就不会触发“索引越界”异常。如果写成独立的两个if不先判空就访问下标程序必然报错。这就是“为什么别人写的代码那么稳”的底层原因之一——懂得用短路控制执行时机。2.5 三元表达式与match-case模式匹配让代码更简洁的高级写法除了普通的if语句Python还提供了两种简化写法。第一种是三元表达式也叫条件表达式适合赋值时二选一status 成年 if age 18 else 未成年这行代码等价于if age 18: status 成年 else: status 未成年三元表达式能让代码更紧凑但不建议在复杂的嵌套场景里硬用——嵌套三元表达式可读性极差写出来别人看不懂一个月后的你自己也看不懂。第二种是Python 3.10之后引入的match-case也叫结构模式匹配。它的作用类似其他语言中的switch-case但功能更强大可以匹配数值、字符串、数据结构command start match command: case start: print(启动) case stop: print(停止) case restart: print(重启) case _: print(未知命令)case _相当于else兜底。对于“一个变量有多种取值且不同取值做不同事”的场景match-case比连续if/elif可读性更好。但要注意match-case的匹配是精确匹配不是大于小于这种范围判断。如果想判断范围还是老老实实用if。我的判断标准是分支小于三个用if/elif分支多且匹配固定值时用match-case。3. while与for两类循环两种思维条件解决“往哪走”的问题循环解决“走几遍”的问题。Python里有两类循环while和for。很多人觉得自己会写for就会循环了其实这两类循环的适用场景完全不同理解差别才能写出高效的代码。3.1 while循环不知道多少次时用while语法如下count 0 while count 5: print(当前计数:, count) count 1执行逻辑是先判断条件count 5为真就执行循环体执行完再次回到条件判断直到条件为假退出。while循环的本质是“只要条件成立就一直执行”适合循环次数事先未知的场景。典型例子是用户输入验证。你希望用户输入一个合法的数字在用户输对之前一直循环num -1 while num 0 or num 100: num int(input(请输入0到100之间的数字: )) print(你输入的是:, num)这里没法提前确定循环会执行几次——可能一次就成功也可能要问好几遍。用for反而不方便。需要特别注意的一点是while循环里一定要有一条语句能改变条件结果否则就是死循环。上面的count 1就是在推进循环朝退出方向发展。现实中忘记写count 1导致程序卡死的情况非常多进程只能强制结束。如果你在脚本里写了while跑起来发现控制台疯狂输出不停九成是循环变量没更新。3.2 for循环遍历一切可迭代对象for循环在Python里远比在C语言里强大。C语言的for其实是“带条件的循环”而Python的for是“遍历可迭代对象”fruits [苹果, 香蕉, 橙子] for fruit in fruits: print(fruit)这个例子中每次循环从列表里取出一个元素赋值给变量fruit然后执行循环体。不仅仅是列表字符串、元组、字典、集合、文件对象、range对象凡是“可以被迭代”的东西都可以用for遍历。实际使用中我推荐一个原则能遍历就遍历不要自己数下标。很多从C或Java转来的程序员习惯写for i in range(len(list)): print(list[i])这在Python里并不优雅。直接for item in list更简洁而且不容易出错。当确实需要下标时用enumerate一次拿到索引和值。3.3 range、enumerate、zip三个高频帮手range是生成整数序列的核心函数。range(start, stop, step)生成从start开始、到stop之前结束、每次增加step的序列。注意stop是开区间不包含for i in range(1, 10, 2): print(i) # 输出 1 3 5 7 9enumerate用于在遍历时同时拿到索引fruits [苹果, 香蕉, 橙子] for idx, fruit in enumerate(fruits): print(idx, fruit) # 输出 # 0 苹果 # 1 香蕉 # 2 橙子zip用于并行遍历多个序列names [小明, 小红, 小刚] scores [92, 85, 78] for name, score in zip(names, scores): print(name, score) # 输出 # 小明 92 # 小红 85 # 小刚 78这三个函数用好了循环代码的质量会明显提升。它们解决的是“不需要手动管理索引”的遍历需求代码更短、边界错误更少。3.4 break / continue / else循环的三板斧循环体里可以使用两个控制关键字break立即终止整个循环跳到循环后面的代码。continue跳过本次循环的剩余部分直接进入下一次迭代。一个经典的break用法是在数据中查找目标numbers [3, 7, 12, 9, 15] for num in numbers: if num 12: print(找到了目标:, num) break循环可以提前结束也可以自然跑完。Python的循环还有一个很多语言没有的特性else子句。它的语义是循环正常结束没有被break打断时执行else块。for num in range(3, 20): if num % 7 0: print(找到7的倍数:, num) break else: print(没有找到7的倍数)这个特性很实用可以用来判断“是否找到了目标”。如果找到了break触发else不执行如果找遍了都没有else执行。逻辑上其实等价于设置一个found标志位但else写法更简洁、语义更明确。不过要注意很多人第一次看这个语法会觉得反直觉建议自己在代码里多写两遍建立手感。4. 循环的效率与架构设计嵌套循环、提前退出和替代方案循环谁都会写但“写得高效”“写得稳”就是另一回事了。这一节我聊几个实战中频繁遇到的循环结构问题嵌套循环怎么组织、什么时候提前退出、哪些循环其实可以用更优雅的方式替代。4.1 嵌套循环多层遍历时的执行顺序循环里套循环就是嵌套循环。最常见的场景是处理二维数据——比如一个矩阵、一份表格里的多行多列matrix [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ] for row in matrix: for col in row: print(col, end ) print() # 每行结束换行执行顺序遵循“外层循环走一次内层循环走完整一遍”。上面代码中外层每取一行内层就遍历这一行的所有元素。这个执行逻辑一定要想清楚因为嵌套循环的时间复杂度是相乘关系——外层循环n次、内层循环m次总计执行n乘m次。嵌套层数越多代码越难读也越容易出问题。我的经验是超过两层嵌套就要考虑拆函数或换数据结构。三层以上的嵌套循环无论是调试还是后续维护都会让你怀疑人生。很多时候把内层逻辑提取成一个小函数代码会清爽很多。4.2 提前退出用break和条件判断减少无效计算循环在满足某个条件时是可以提前撤的不是每次都必须跑完。比如你想找一组数字中第一个大于100的数numbers [45, 89, 23, 156, 78, 200] for num in numbers: if num 100: print(找到第一个大于100的数:, num) break如果没有break循环会遍历完整个列表多做了好几轮无效计算。在数据量小的时候无伤大雅但处理百万级、千万级数据时一次提前退出可能节省几秒甚至几十秒的时间。能不做的计算就不要做能提前退出的循环就不要跑满这是性能优化最基本的意识。4.3 会写循环也要会“跳出循环”列表推导式与生成器有些循环表面上看是循环但实际上是在“生成一个新列表”。Python提供了列表推导式这种更高效、更简洁的写法。拿“筛选并转换数据”举例。传统写法scores [55, 82, 90, 47, 73] upgraded [] for score in scores: if score 60: upgraded.append(score 5) print(upgraded)用列表推导式scores [55, 82, 90, 47, 73] upgraded [score 5 for score in scores if score 60] print(upgraded)两段代码结果完全一样但第二段只用了一行可读性和性能都更好。列表推导式的语法就是“表达式 for子句 if条件”它让代码平铺直叙地描述“我要什么”而不是啰嗦地解释“怎么循环怎么添加”。如果你处理的数据量很大更推荐生成器表达式upgraded (score 5 for score in scores if score 60)生成器是惰性求值的——它不会一次性把所有结果算出来存在内存里而是每次迭代时算一个值。在处理几百万元素的列表时这个差异在内存占用上非常明显。我的建议是租出列表推导式替换简单的“循环append”场景数据量不确定时优先考虑生成器。5. 条件与循环的实战组合三个经典问题从暴力到优雅学语法最忌讳“看了就会一写就废”。这一节我把条件与循环组合起来通过三个经典问题演示完整的解题思路。每个问题我都会从需求分析讲到代码实现再讲优化方向让你看看真实开发中是怎么一步步把代码打磨出来的。5.1 经典案例判断质数的完整思路质数的定义是“大于1的自然数中只能被1和自身整除的数”。判断一个数n是否为质数最朴素的方法是从2到n-1逐个检查看是否存在能整除n的数。n 29 is_prime True for i in range(2, n): if n % i 0: is_prime False break if is_prime: print(n, 是质数) else: print(n, 不是质数)代码本身不难但这里有几个可优化的点第一只需要检查到根号n就够了。因为如果n有一个大于根号n的因数那必然同时存在一个小于根号n的因数提前检查到根号n已经覆盖了所有配对情况。import math n 29 is_prime True for i in range(2, int(math.isqrt(n)) 1): if n % i 0: is_prime False break别看只改了一点当n是十位数级别的大数时检查范围从n缩小到根号n计算量呈指数级下降。在算法里减少循环范围是仅次于提前退出的第二大优化手段。第二个细节是对2和小于2的数的处理。2是质数1不是质数负数也不是质数。所以严谨的代码开头需要有边界判断if n 1: is_prime False elif n 2: is_prime True这种边界条件的处理和分支顺序正是体现代码质量的地方。很多“看起来能跑但有隐藏bug”的代码都是在边界值上翻的车。5.2 表格输出与九九乘法表条件与循环结合最多的一类场景就是格式化输出。九九乘法表是训练嵌套循环逻辑的经典题目for i in range(1, 10): for j in range(1, i 1): print(f{j} x {i} {i * j}, end\t) print()注意内层循环的范围是range(1, i 1)——行数越大列数越多。这里的关键是内层循环的范围依赖外层循环的变量这是嵌套循环最常见的写法。运行结果第一行只有一个1 x 1 1第二行有1 x 2 2和2 x 2 4依此类推。每种编程语言都在练这道题因为它同时考察了循环嵌套、变量依赖和格式化输出三个能力。实际开发中类似的“表格输出”需求非常常见。比如输出库存数据、成绩表、账单明细逻辑都是外层遍历行、内层遍历列。掌握这种模式你就在很多日常报表任务中直接套用。5.3 猜数字游戏把条件与循环串起来的完整程序猜数字游戏是一个“小而全”的综合练习程序随机生成一个1到100的整数用户输入数字程序提示“大了”“小了”直到猜中为止。import random target random.randint(1, 100) guess 0 count 0 while guess ! target: guess int(input(请输入你猜的数字(1-100): )) count 1 if guess target: print(猜大了再试试) elif guess target: print(猜小了再试试) else: print(f恭喜你猜了{count}次就中了)这段代码用一个while循环统筹整个游戏过程循环条件就是“没猜中”循环体里用if/elif/else区分三种情况。条件与循环的配合在这个例子里体现得淋漓至尽——循环负责“反复玩”条件负责“每次玩的结果反馈”。这里有一个容易被忽视的点用户输入的是字符串int()转换如果遇到非数字内容会直接抛异常。想让程序更健壮可以从加try/except异常处理。异常是另一个完整的主题但不影响你现在理解这个程序的核心结构。5.4 数据清洗中的条件筛选场景回到一开始提到的成绩统计把完整代码写一遍你会发现条件与循环组合后能解决的实际问题比想象中多scores [55, 82, 90, 47, 73, 68, 99, 61, 38, 75] excellent 0 passed 0 failed 0 for score in scores: if score 90: excellent 1 elif score 60: passed 1 else: failed 1 print(f优秀: {excellent}人, 及格: {passed}人, 不及格: {failed}人)这段代码就是活生生的数据清洗逻辑——从一批原始数据中识别出不同类别。同样的模式可以套用到日志分析按错误级别统计、用户画像按活跃度分组、订单处理按金额区间分类等无数场景。条件和循环的组合是所有数据处理逻辑的根很多看似高大上的pandas操作底层也是类似这样在每一个元素上做判断和归类。6. 条件与循环的高频踩坑指南这些坑我替你先踩过了这一节我把自己这些年写Python遇到的、带新人时见到的各种坑集中整理一下。每个坑我当时都花了不少时间排查写出来就是希望大家能直接绕开。6.1 用is比较数字/字符串一个隐蔽的等价陷阱前面提过is和的区别这里展开讲一个真实案例。有一次我在排查一段数据处理代码发现某条记录明明数值相等却一直被判断为不匹配。最后定位才发现代码里写的是if result is 100而不是if result 100。原因在于Python对小整数有缓存机制——通常-5到256之间的整数会被复用同一个对象所以a 100; b 100; a is b这个测试偶尔是True。可一旦数值超出缓存范围或者计算方式不同比如100.0这种浮点数is比较就会返回False。在条件判断里千万不要用is去比较数值和字符串。is只用于判断是否为None或者是否为某个单例对象其余一律用。6.2 在循环中修改正在遍历的列表有一次我需要从列表里删掉所有小于60分的成绩顺手写了scores [55, 82, 90, 47, 73, 68] for score in scores: if score 60: scores.remove(score)结果发现输出完全不对。原因是在遍历列表时删除元素会改变列表的索引结构——删掉一个元素后后面的元素整体前移导致某些元素被跳过没有参与判断。这种bug表现得很诡异而且数据量越大越难发现。推荐的稳妥做法是遍历原列表的副本或者用列表推导式生成新列表scores [55, 82, 90, 47, 73, 68] scores [score for score in scores if score 60]列表推导式会生成一个筛掉不合格元素后的新列表完全避开“遍历时修改原列表”的问题代码也更简洁。这个坑在数据处理中非常常见我强烈建议养成“能不原地改就不原地改”的习惯。6.3 死循环与循环变量泄漏看似小问题的严重隐患死循环是最常见的循环事故。典型原因是while循环没有更新循环变量i 0 while i 10: print(i) # 忘记写 i 1这段代码会无限打印0直到你杀掉进程。调试这类问题的过程中程序会一直输出导致日志暴涨甚至磁盘占满。我现在写while循环时习惯先写好循环变量的更新语句再写业务逻辑把“推进循环”当成第一要务。另一个问题是循环变量的泄漏。Python的for循环在循环结束后循环变量依然存在且保持最后一次的值for i in range(5): pass print(i) # 输出4这个特性在某些场景会引发隐蔽的bug——如果你后面意外用到了i拿到的可能是循环遗留值而不是你预期的值。尤其在Jupyter Notebook这类交互环境中多余变量很烦人。虽然没有强制规定但我的习惯是在循环之后如果不再需要i就直接del i避免污染后续代码。6.4 浮点数比较你以为相等其实不相等如果你用浮点数做条件判断会遇到一个很经典的坑if 0.1 0.2 0.3: print(相等) else: print(不相等) # 实际输出这个因为浮点数在计算机中是用二进制近似表示的0.1 0.2的结果实际上是0.30000000000000004并不精确等于0.3。用直接比较浮点数是非常危险的做法。解决方案是用“差值范围”比较if abs((0.1 0.2) - 0.3) 1e-9: print(近似相等)或者在金额计算这类要求精确的场景直接用decimal.Decimal代替浮点数。这个坑尤其影响的是涉及统计计算、数据处理、财务分析的程序。记住一句话浮点数用区间判断不要用等号。6.5 条件分支里的“少用else”原则最后分享一个代码风格上的心得。很多初学者写if时习惯性加个else但有些情况else会掩盖bug。比如score 85 if score 60: print(及格) else: print(不及格)这段代码看起来没问题但如果你在中间加了一个新的条件分支比如“优秀”的判断很可能会把else的范围理解错导致逻辑混乱。我现在的习惯是能用elif明确区分就尽量写elif尽量让每个分支都有明确的条件减少对“兜底”的依赖。把逻辑写“显式”而不是“隐式”是提高代码可维护性最重要的一步。踩过这些坑之后我对条件和循环的理解更靠近“防御式编程”——不要假设输入总是正常的、不要假设数据总是完整的、不要假设边界值不会出现。把这些假设在条件判断里显式写出来你的代码会稳很多。