for循环用于遍历可迭代对象，自动依次处理每个元素；支持批量重命名、excel数据处理等自动化任务；需注意缩进、避免修改遍历中的列表、合理命名变量及用enumerate替代range索引。
工作里重复操作太多？比如批量重命名文件、自动填表、统计表格数据——这些事交给 for 循环，几行代码就能搞定，比手动点一百次还稳。
for 循环到底在“循环”什么？
它不是随便转圈，而是按顺序遍历一个“可迭代对象”：列表、元组、字符串、range() 生成的数字序列，甚至 Excel 表格的行、文件的每一行，都算。
核心就一句：for 变量 in 可迭代对象:，冒号后缩进的代码块，就是每次循环要做的事。
- 变量会依次拿到对象里的每个元素（比如列表中的第1个、第2个……）
- 每拿一个，就执行一次缩进里的代码，直到拿完为止
- 不需要手动计数，也不用写“i = i + 1”，Python 自己记着走到哪了
批量处理文件名，5秒搞定
你有一堆截图叫 screenshot_1.png、screenshot_2.png……想统一改成 日报图-001.png、日报图-002.png？不用一个个右键重命名。
立即学习“Python免费学习笔记（深入）”；
这样写就行：
import os
for i, old_name in enumerate(os.listdir('.'), 1):
if old_name.endswith('.png'):
new_name = f'日报图-{i:03d}.png'
os.rename(old_name, new_name)
- enumerate(..., 1) 让循环自带编号，从1开始（默认从0）
- {i:03d} 是格式化写法，确保编号是三位数，比如 1 → 001
- endswith() 先筛选，避免误改其他文件
读Excel、算总和、自动填结果，不碰鼠标
用 pandas 读表后，for 循环能一行行看数据，边看边算、边改边存。
例如：把“销售额”列大于1000的订单，标记为“重点客户”，并算出这批客户的总金额：
import pandas as pd
df = pd.read_excel('订单表.xlsx')
total_high = 0
for idx, row in df.iterrows():
if row['销售额'] > 1000:
df.loc[idx, '备注'] = '重点客户'
total_high += row['销售额']
print(f'重点客户总销售额：{total_high}')
- iterrows() 返回（索引, 当前行）的组合，方便定位和修改
- df.loc[idx, '列名'] = ... 直接改原表对应位置的值
- 变量 total_high 在循环外定义，循环中持续累加
别踩坑：这几个细节决定循环能不能跑通
写 for 循环时卡住？大概率是这几个地方没注意：
- 忘记缩进：冒号后的代码必须缩进（4个空格或1个Tab），否则报 IndentationError
- 改正在遍历的列表：比如 for x in my_list: my_list.remove(x) —— 这会导致跳过元素，该删的没删干净
- 变量名起太随意：用 for i in range(10): print(i) 没问题；但用 for data in data: 就会覆盖原变量，后面就找不到原始数据了
- 需要下标又想取值？别硬写 for i in range(len(lst)):，直接用 enumerate(lst) 更安全清晰
基本上就这些。for 循环不是炫技，是把人从机械劳动里“解放出来”的最小单位工具。写熟了，你会发现——很多所谓“繁琐工作”，其实只是还没被 Python 看见而已。
