摘要：# 外层循环每走1步，内层循环走完整个流程for 班主任 in ["张老师", "李老师"]: for 学生 in ["小明", "小红"]: print(f"{班主任}正在检查{学生}的作业")
你是否在数据处理时写过这样的代码？
for i in range(10): for j in range(10): for k in range(10): print(i+j+k)三层循环写完，程序却卡成了PPT？
本文将用5分钟带你解锁循环嵌套的高阶玩法，文末更有性能优化秘籍！
1、基础语法（一看就会）
# 外层循环每走1步，内层循环走完整个流程for 班主任 in ["张老师", "李老师"]: for 学生 in ["小明", "小红"]: print(f"{班主任}正在检查{学生}的作业")▶ 输出结果：
张老师检查小明 → 张老师检查小红 → 李老师检查小明 → 李老师检查小红
2、执行顺序可视化
for 楼层 in range(1,4): # 外层循环：3层楼 for 房间号 in range(101,103): # 内层循环：每层2个房间 print(f"{楼层}楼-{房间号}室")输出结果：
1楼-101室 1楼-102室 2楼-101室 2楼-102室 3楼-101室 3楼-102室场景1：二维矩阵遍历（游戏开发必备）
# 扫雷游戏地图遍历mine_map = [ [0, 1, 0], [1, 0, 1], [0, 1, 0]]for i in range(3): for j in range(3): if mine_map[i][j] == 1: print(f"坐标({i},{j})有地雷！")场景2：排列组合生成（电商系统常用）
# 商品规格组合生成器colors = ["曜石黑", "冰川蓝"]sizes = ["S", "M", "L"]for 颜色 in colors: for 尺寸 in sizes: print(f"生成SKU：{颜色}-{尺寸}-2024")场景3：算法核心逻辑（面试必考）
# 冒泡排序算法nums = [5, 3, 8, 6]for i in range(len(nums)): for j in range(len(nums)-i-1): if nums[j] > nums[j+1]: nums[j], nums[j+1] = nums[j+1], nums[j]场景4：文件批量处理（办公自动化）
# 多文件夹图片重命名import osfor folder in ["风景", "人像", "建筑"]: for filename in os.listdir(folder): new_name = f"{folder}_"+filename os.rename(os.path.join(folder,filename), new_name)场景5：自动生成Excel销售报表
需求：为10个商品生成3个月的销量分析表
import pandas as pdproducts = ["手机", "笔记本", "耳机", "充电宝", "智能手表"]months = ["1月", "2月", "3月"]# 嵌套循环生成数据data = for product in products: for month in months: # 模拟随机销量（实战中可替换为真实数据） sales = abs(hash(f"{product}{month}")) % 1000 data.append({"产品": product, "月份": month, "销量": sales})df = pd.DataFrame(data)df.to_excel("销售报表.xlsx", index=False)效果：自动生成带数据的Excel文件
场景6：抖音式九宫格图片生成器
需求：把1张图片切割成3×3的九宫格拼图
from PIL import Imageimg = Image.open("原图.jpg")width, height = img.sizecell_w = width // 3 # 每个格子的宽度cell_h = height // 3 # 每个格子的高度# 双重循环切割图片for i in range(3): for j in range(3): left = j * cell_w upper = i * cell_h right = left + cell_w lower = upper + cell_h crop_img = img.crop((left, upper, right, lower)) crop_img.save(f"碎片_{i}{j}.jpg")技术点：通过行列索引计算裁剪坐标，批量生成9张碎片图
场景7：电商库存预警系统
需求：检测商品在5个仓库的库存状态
products = {f"商品{i}": abs(hash(f"商品{i}"))00 for i in range(100)} # 模拟库存threshold = 100 # 预警阈值print("⚠️低库存预警：")for p_id, stock in products.items: for warehouse in ["华北仓", "华东仓", "华南仓", "西南仓", "华中仓"]: # 模拟不同仓库库存（真实项目从数据库读取） wh_stock = stock - hash(warehouse) 0 if wh_stock输出示例：
⚠️低库存预警：华北仓 - 商品5 库存仅剩 23 件！华南仓 - 商品17 库存仅剩 89 件...陷阱预警：这段代码为什么卡死？
# 时间复杂度O(n³)的灾难案例n = 1000for i in range(n): for j in range(n): for k in range(n): # 复杂计算...✅ 优化方案1：itertools模块（内置神器）
from itertools import product# 三重循环秒变一行for i, j, k in product(range(10), repeat=3): print(i+j+k)✅ 优化方案2：NumPy向量化（提速100倍）
import numpy as np# 传统循环result = for row in matrix: for num in row: result.append(num*2)# 王者写法np_matrix = np.array(matrix)result = np_matrix * 2✅ 优化方案3：条件短路（减少无效循环）
found = Falsefor data in big_dataset: if found: break # 找到后立即终止外层循环 for item in data: if item == target: found = True break经典Bug 1：变量名重复导致数据覆盖
# 错误示范（i被重复使用）for i in range(3): for i in range(2): # 内层循环修改了外层i的值 print(i)经典Bug 2：无限循环陷阱
# 错误示范（j未初始化）i = 0while i调试技巧：可视化追踪器
for page in range(1,4): print(f"====== 正在处理第{page}页 ======") for item in range(1,3): print(f"第{page}页-第{item}条数据") # 暂停观察变量 # import pdb; pdb.set_trace当你在代码中写下第四层循环时，不妨想想——是不是该用递归了？ 关注我，获取更多Python性能优化秘籍！
来源：信息科技云课堂
