循环卡顿，程序跑得像蜗牛？
写代码时经常用到循环，比如处理一堆文件、遍历数据做计算。但有时候你会发现，明明逻辑没问题，程序却慢得让人想砸键盘——尤其是数据量一大，循环一跑起来，风扇狂转，几分钟都出不了结果。这种情况其实很常见，关键是找到瓶颈在哪，然后对症下药。
减少循环内部的重复操作
很多人习惯把一些固定计算放在循环里，比如获取数组长度、调用不变的函数。这些操作每次循环都执行一遍，白白浪费资源。
比如下面这段 Python 代码：
for i in range(len(my_list)):
print(my_list[i])每次都要算一次 len(my_list)，虽然单次很快，但如果列表有上万项，这就成了负担。更好的做法是提前算好：
n = len(my_list)
for i in range(n):
print(my_list[i])能用内置函数就别自己写循环
Python 的 sum()、map()、filter() 这些内置函数底层是用 C 实现的，比你用 for 写快得多。比如你要对列表每个元素加1，别傻乎乎写个 for 循环：
result = []
for x in data:
result.append(x + 1)换成列表生成式一行搞定，又简洁又快：
result = [x + 1 for x in data]要是数据量特别大，直接上 NumPy，向量化操作甩开普通循环几条街。
避免在循环里频繁读写文件或网络请求
有个朋友写了个脚本，要从几百个 CSV 文件里提取数据，他是在每个循环里打开文件、读取、关闭。结果跑了四十分钟还没完。我让他改成一次性读入所有文件路径，批量处理，时间直接压到三分钟内。
同样的道理，如果循环里发 HTTP 请求，每次都要建立连接，延迟叠加起来非常吓人。能合并请求就合并，或者用异步并发处理。
考虑换种数据结构
你在循环里反复查一个很大的列表是否包含某个值，写成 if x in my_list：这其实是线性查找，数据越多越慢。换成 set 或 dict，查找就是常数时间了。
# 慢
if name in user_list:
...
# 快
user_set = set(user_list)
if name in user_set:
...实在不行，试试 JIT 或 Cython
如果你的循环核心是数值计算，而且已经榨干了 Python 层面的优化空间，可以试试 PyPy，它自带即时编译（JIT），很多场景下比 CPython 快好几倍。或者用 Cython 把关键循环编译成 C 代码，性能飞跃。
循环慢不可怕，关键是别硬扛。先看看是不是写了“看起来没问题”的低效代码，很多时候改几行，速度就能翻倍甚至几十倍。多留意这些细节，你的脚本也能跑出飞一般的感觉。