当循环学会“搭配”，程序才真正开始像人一样思考 - 每日分享

你有没有在厨房里同时照看三个灶台的经历？一个锅在炖汤，一个锅在炒菜，还有一个蒸锅在冒气。你不能只盯着一个锅看，得来回巡视，哪个需要翻动就翻哪个，哪个火候到了就关哪个。这种“同时管理多个任务、根据状态做不同决策”的能力，恰恰是循环综合应用的精髓。

很多人学完 for 循环和 if-else 之后，单独用都没问题，但一旦要把它们组合起来解决实际问题，就不知道从哪下手了。这就像你学会了切菜、学会了调味、学会了控制火候，但面对一桌食材，还是不知道怎么做出一顿完整的饭。

今天我们就来聊聊，循环和分支的“搭配艺术”。

循环加判断，本质是在做“分类决策”

先看一个最朴素的场景：老师手头有一摞成绩单，想统计每个等级有多少人。

你当然可以写五个变量，count_a、count_b、count_c……但稍微有点经验的开发者会立刻想到用字典。为什么？因为字典的本质是“键值映射”，而“等级→人数”天然就是一组映射关系。

count = {"A":0, "B":0, "C":0, "D":0, "E":0}
for score in scores:
    if score >= 90:
        count["A"] += 1
    elif score >= 80:
        count["B"] += 1
    # ...

这段代码的核心逻辑其实就两步：循环负责“遍历每一个”，分支负责“判断属于哪一类”。把它们拆开看都很简单，但组合在一起，就完成了一个“自动分类计数器”。

这里有一个容易被忽视的细节：判断顺序必须是从高到低。如果你先判断 score >= 80，那90分也会被归到B等。这就像安检一样，你得先过最严格的那道关卡，才能保证不漏掉任何异常。顺序本身就是逻辑的一部分。

循环的“隐藏技能”：for-else

Python 里有一个很多语言没有的特性——for 循环可以跟一个 else 块。

for attempt in range(3):
    user_input = input("请输入密码：")
    if user_input == password:
        print("欢迎进入系统！")
        break
else:
    print("尝试次数已用完，程序退出。")

这个 else 的执行条件是：循环没有被 break 中断。换句话说，如果三次都输错了，循环“正常走完”，else 才会执行。

你可以把它理解成一个“善后机制”——如果任务成功完成了（break），就不需要善后；如果任务失败了（循环耗尽），就执行善后逻辑。这个设计在密码验证、查找元素、重试机制等场景中特别优雅，省去了额外的标志变量。

多重赋值：一行代码背后的思维跃迁

斐波那契数列是讲循环时绕不开的经典例子。但真正值得关注的不是数列本身，而是这行代码：

a, b = b, a + b

很多人第一次看到会愣一下：这不就是同时更新两个变量吗？有什么特别的？

特别之处在于右边先全部求值，再同时赋给左边。如果你拆成两行写：

a = b
b = a + b   # 这里的 a 已经被覆盖了！

结果就完全错了。这就像接力赛中交接棒——你必须先把棒递出去，再跑下一个位置，而不是先跑到下一个位置再回头拿棒。

这个细节告诉我们：循环体中语句的执行顺序，有时候比语句本身更重要。写循环的时候，脑子里要有一条清晰的时间线，知道每一步执行时变量的值是什么。

嵌套循环：维度的叠加

单个循环处理的是一维问题——遍历一个列表、重复n次操作。但现实中很多问题是二维甚至多维的。

比如打印九九乘法表，外层循环控制“第几行”，内层循环控制“这一行有几个算式”。总执行次数是两层循环次数的乘积——外层9次，内层分别执行1到9次，总共45次。

for i in range(1, 10):
    for j in range(1, i + 1):
        print(f"{j}×{i}={i*j:2d}", end=" ")
    print()

这里内层循环的终止条件是 i + 1 而不是固定的10，这就是嵌套循环的灵活性所在：内层的范围可以依赖外层的当前状态。

但要注意，break 只能跳出当前所在的那一层循环。如果你在内层 break 了，外层循环该继续还是继续。想跳出所有层，要么用标志变量，要么重新设计逻辑。

综合实战：当循环遇到大规模数据

来看一道更有挑战性的题目。

有 n 种魔法材料和 m 种魔法符文，第 i 种材料蕴含 a_i 点魔力，第 j 种符文蕴含 b_j 点魔力。每次融合选择一种材料+一种符文，产生的魔力值为 min(a_i + b_j, p)。求所有可能融合的魔力值之和。

如果你用两层循环暴力枚举所有组合，时间复杂度是 O(n×m)。当 n 和 m 都达到 2×10^5 时，这个方案直接超时。

这道题的关键在于：min(a_i + b_j, p) 的结果只有两种可能——要么是 a_i + b_j（没超过阈值），要么就是 p（超过了阈值）。

所以我们可以换个角度：

对所有材料排序，对所有符文排序
对于每个 a_i，用二分查找找到满足 a_i + b_j < p 的最大 b_j 位置
这些“没溢出”的组合贡献的是 a_i × k + 这些 b_j 的和（用前缀和快速计算）
剩下的组合全部贡献 p

这样就把 O(n×m) 降到了 O((n+m) log(n+m))。

# 核心思路（伪代码）
for each a_i:
    k = 二分找到 a_i + b_j < p 的边界
    total += a_i * k + prefix_sum_b[k]
    total += (m - k) * p

这道题看起来是循环的题目，但真正的考点是如何避免不必要的循环。当你发现内层循环做的事情可以用数学方法批量处理时，就该考虑优化了。循环是工具，不是目的。

从“会写循环”到“会用循环”

回到开头那个厨房的比喻。新手厨师可能手忙脚乱，不知道该先管哪个锅。而有经验的厨师知道：炖汤可以放着不管，炒菜需要持续翻炒，蒸锅到时间了会有提示。不同的任务需要不同的关注策略。

写循环也是一样：

遍历列表用 for，因为你知道要处理每一个元素
不确定循环几次用 while，因为你依赖某个条件来决定是否继续
需要提前退出用 break，因为继续下去没有意义
需要跳过某些元素用 continue，因为当前这个不需要处理
循环正常结束后的收尾工作，可以用 for-else

这些工具单独拿出来都不难，难的是在面对一个具体问题时，能快速判断该用哪个、怎么组合。这种判断力不是看几篇文章就能获得的，得靠一道一道题去练、去踩坑、去反思。

建议你从今天开始，每遇到一个需要重复处理的场景，就想想能不能用循环自动化。哪怕只是批量重命名文件、批量处理数据，都值得动手写一写。代码写得越多，这些“综合应用”就会变得像呼吸一样自然。

关于作者

我是赵老师，持有 NOI 信息学奥赛教练证书，拥有 15 年以上的软件开发经验，从事信息学少儿编程教学已有 8 年时间。

这些年累计帮助多名学生通过编程特长升入自己心仪的目标学校。

如果你在编程学习上有任何疑问，欢迎联系我：18620372957（微信同号）