“学了一堆零散技巧，遇到实际问题还是不会用？”

“别人一行代码搞定的事，我写十行还报错？”

——这是新手学完基础后最常犯的愁。

今天咱们不拆单独知识点，而是把切片、迭代、列表生成式、生成器、迭代器这5个“高级武器”，融入“学生成绩分析”的实战场景，教你怎么组合使用，让代码效率翻倍。

场景导入：处理班级成绩数据

假设我们有一份班级成绩数据：scores = [85, 92, 78, 90, 88, 65, 72, 95, 83, 79, 58, 81]，需要完成“提取高分、计算排名、生成分析报告”等任务，咱们用高级特性一步步搞定。

一、切片：3秒提取目标数据

需求：提取前5名成绩、后3名成绩，以及所有成绩的倒序排列。用切片不用循环，精准又快速。

scores = [85, 92, 78, 90, 88, 65, 72, 95, 83, 79, 58, 81]# 1. 先排序（升序），再切片sorted_scores = sorted(scores)# 提取后3名（高分，因为sorted默认升序）top3 = sorted_scores[-3:]print("前三名成绩：", top3)  # 输出[90, 92, 95]# 提取后3名的倒序（从高到低）top3_desc = sorted_scores[-3:][::-1]print("前三名（从高到低）：", top3_desc)  # 输出[95, 92, 90]# 提取中间6-10名成绩（左闭右开，取索引5到9）middle = sorted_scores[5:10]print("中间5名成绩：", middle)  # 输出[79, 81, 83, 85, 88]

避坑点：切片可以叠加使用（如[-3:][::-1]），但要注意顺序，先取范围再反转，不能搞反。

二、迭代+列表生成式：一行生成分析数据

需求：给每个成绩标注“等级”（≥90优秀，≥80良好，否则合格），生成“成绩-等级”的对照表。用迭代+列表生成式，一行替代3行循环。

# 列表生成式中嵌套条件判断，迭代成绩并标注等级score_level = [    (score, "优秀") if score >= 90     else (score, "良好") if score >= 80     else (score, "合格")     for score in scores]print("成绩等级对照表：", score_level)# 输出示例：[(85, '良好'), (92, '优秀'), ...]# 进阶：只保留良好及以上的成绩good_scores = [s for s, level in score_level if level != "合格"]print("良好及以上成绩：", good_scores)  # 输出[85, 92, 78, ...]（过滤掉65以下）

列表生成式的核心是“表达式+循环+条件”，比普通for循环代码短、执行快，是Python的“招牌技巧”。

三、生成器：处理大数据不卡机

需求：如果班级有10万学生，计算每个学生的“成绩排名百分比”（如95分是99%的排名，意味着比99%的人高）。用生成器按需计算，避免内存爆炸。

def rank_percent(large_scores):    # 先排序，计算总人数    sorted_large = sorted(large_scores)    total = len(sorted_large)    for score in large_scores:        # 计算比当前成绩低的人数        lower_count = len([s for s in sorted_large if s < score])        # 计算百分比并返回，遇到yield暂停        yield (score, round(lower_count / total * 100, 2))


    
# 模拟10万条成绩数据（这里用12条演示，实际可替换为大数据）large_scores = scores * 8333  # 12*8333≈10万# 用生成器计算，内存占用仅几KBrank_gen = rank_percent(large_scores)# 取前5条数据查看for _ in range(5):    print("成绩-排名百分比：", next(rank_gen))

核心优势：10万条数据用列表生成式会占几十MB内存，用生成器只占几十字节，运行更流畅。

四、迭代器：统一遍历各种数据

需求：将“成绩列表”“等级字典”“生成器结果”三种不同数据，统一遍历输出分析报告。用迭代器让遍历逻辑一致，不用改代码。

# 1. 成绩列表转迭代器score_iter = iter(scores)# 2. 等级字典转迭代器（迭代键值对）level_dict = {"优秀": 3, "良好": 6, "合格": 3}level_iter = iter(level_dict.items())# 3. 生成器本身就是迭代器rank_iter = rank_percent(scores)# 统一遍历函数，接收任意迭代器def print_iter(iterator, desc):    print(f"\n{desc}：")    for item in iterator:        print(item)# 调用同一函数遍历不同数据print_iter(score_iter, "成绩数据")print_iter(level_iter, "等级分布")print_iter(rank_iter, "成绩排名百分比")

迭代器的价值是“统一接口”，不管是list、dict还是生成器，都能用for循环或next()遍历，让代码更通用。

五、综合实战：生成完整分析报告

把上面的技巧组合起来，写一个“班级成绩分析”函数，一键生成报告：

def score_analysis(scores):    # 1. 基础统计（切片+列表生成式）    sorted_s = sorted(scores)    top3 = sorted_s[-3:][::-1]    avg_score = sum(scores) / len(scores)    # 2. 等级分布（列表生成式）    level_count = {"优秀":0, "良好":0, "合格":0}    for s in scores:        level = "优秀" if s>=90 else "良好" if s>=80 else "合格"        level_count[level] +=1    # 3. 生成排名百分比（生成器）    rank_gen = rank_percent(scores)    # 4. 迭代输出报告    print("=== 班级成绩分析报告 ===")    print(f"平均分：{round(avg_score, 2)}")    print(f"前三名成绩：{top3}")    print(f"等级分布：{level_count}")    print("前5名排名百分比：")    for _ in range(5):        print(next(rank_gen))# 调用函数，一键生成报告score_analysis(scores)

今天的重点不是死记每个特性的定义，而是理解它们的“使用场景”：切片用于精准取数，列表生成式用于快速造数据，生成器用于大数据处理，迭代器用于统一遍历。

实际开发中，这些技巧往往是组合使用的，多敲几遍今天的实战代码，你就能慢慢找到感觉。

【今日任务】用今天学的技巧，处理“[15,22,31,44,53,67,72,88,91]”这组年龄数据：

① 用切片取30-80岁的年龄；

② 用列表生成式给年龄标注“青年（<30）、中年（30-60）、老年（>60）”；

③ 用生成器计算每个年龄占总人数的百分比。

以上就是今天给你分享的内容，觉得有用的话欢迎点赞收藏哦！

如果你也对Python这门编程感兴趣的话，欢迎加入我们。（小白也可以参加）

获取方式：

1. 关注下方公众号↓↓↓↓

2.点赞+再看

3.在后台发送：“python” 即可领取资料福利/开通上课权限

资料已经打包好了，需要的关注公众号发送“111”领取