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！

一、循环嵌套：代码世界的"俄罗斯套娃"

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

规律：外层循环走一步，内层循环走完一圈（像钟表的时针和分针）

二、实战场景：从青铜到王者

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 os

for 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 pd

products = ["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 Image

img = Image.open("原图.jpg")
width, height = img.size
cell_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}"))%1000 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)%200  
        if wh_stock < threshold:
            print(f"{warehouse} - {p_id} 库存仅剩 {wh_stock} 件！")

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...

三、性能优化三把利剑

陷阱预警：这段代码为什么卡死？

# 时间复杂度O(n^3)的灾难案例
n = 1000
for 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 = False
for 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

四、资深工程师的调试锦囊

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 = 0
while i < 5:
    j = 0  # 每次外层循环都重置j
    while j < 3:
        print(i+j)
        i += 1  # 错误地修改外层变量

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()

五、循环嵌套三原则

1. 效率优先：三重循环是性能杀手，尝试用向量化计算
2. 可读性为王：超过三层的嵌套建议拆分为函数
3. 安全第一：循环变量用i,j,k容易混淆，建议语义化命名（如page, row, col）

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！