循环优化核心是将不变表达式移出循环体。需手动提取循环外不变量（如len、函数调用、方法绑定），优先使用生成器/内置函数（any、sum等），对纯函数用@lru_cache缓存，改用手动索引为enumerate/zip。
循环中避免重复计算，核心是把不变的表达式移出循环体。Python解释器不会自动帮你做这件事，得靠自己识别和重构。
提前计算循环外不变量
如果某个值在每次迭代中都不变，比如函数调用结果、数学常量、对象属性或列表长度，就别让它待在 for 或 while 里面反复算。
常见例子：
-
列表长度：用
len(lst)做循环条件？先存成变量再用。 -
函数返回值：如
math.sqrt(2)或config.get('timeout')，只调一次。 -
字符串方法绑定：
line.strip()在循环里频繁调用？可提前绑定stripper = str.strip，再用stripper(line)。
用生成器或推导式替代显式循环
很多“边算边用”的场景，其实不需要完整列表。生成器表达式（(x*2 for x in data)）比列表推导式（[x*2 for x in data]）更省内存；而内置函数如 sum()、any()、all() 内部已优化，比手写循环快。
立即学习“Python免费学习笔记（深入）”；
例如：
- 判断是否存在满足条件的元素 → 用
any(x > 10 for x in data)，而非写for+break。 - 求平方和 → 用
sum(x**2 for x in data)，而不是先建列表再sum()。
缓存重复调用的函数结果
如果循环中反复调用同一函数、且参数组合有限，加个 @lru_cache 能显著提速，尤其适合递归或纯计算函数。
注意点：
- 只对 纯函数（无副作用、输入决定输出）有效。
- 参数必须可哈希（如不能传列表、字典等可变类型）。
- 缓存大小设为
None表示不限，但要警惕内存占用。
用 enumerate 和 zip 减少索引操作
手动维护下标（如 i = 0; i += 1）易出错又低效；用 range(len(...)) 访问元素还多一次索引查找。
更优写法：
- 需要索引和值 → 直接
for i, item in enumerate(items): - 遍历多个等长序列 → 用
for a, b in zip(list_a, list_b):，不需反复写list_a[i]和list_b[i] - 避免
items[i]查找开销，尤其是自定义类或大对象时更明显。
不复杂但容易忽略。关键不是写得多快，而是让 Python 少做几次一样的事。
