控制流——if、for、while 与可迭代对象

个人主页： > for_ever_love__ < （欢迎各位大佬莅临😊）
其他栏目: > 我想学python了 <

其他栏目: > iOS项目总结大全 <

其他栏目: > iOS UI <

文章目录

[控制流------if、for、while 与可迭代对象](#控制流——if、for、while 与可迭代对象)
- [一、if / elif / else：做判断](#一、if / elif / else：做判断)
- - 真值测试：空容器是"假"
- [二、for 循环：遍历序列](#二、for 循环：遍历序列)
- [三、while 与 break / continue / else](#三、while 与 break / continue / else)
- [四、可迭代对象：for 背后到底在干什么](#四、可迭代对象：for 背后到底在干什么)
- 五、实战：一个带早停的训练循环
- 六、常见坑与注意事项
- [七、for 与 while 怎么选](#七、for 与 while 怎么选)
- 八、本篇小结

控制流------if、for、while 与可迭代对象

承上：上一篇《容器类型全家桶》我们学会了用四种容器装数据。

本篇：本篇用 if、for、while 和可迭代对象让数据动起来------遍历语料、按条件过滤、控制训练流程。

启下：下一篇《函数------参数、lambda、*args 与作用域》把重复出现的循环逻辑封装成可复用单元。

学完这一节，你能动手做：

写出带早停（early stopping）和日志打印的训练循环骨架
用 enumerate、zip 和生成器遍历大规模语料而不撑爆内存
用 break/continue/for-else 写出清晰的条件分支

上一篇我们用容器把数据装好了，这一篇让代码"动起来"------控制流 。为什么它重要？因为大模型里最核心的几段逻辑，本质都是控制流：训练循环 （for epoch）、早停（if + break）、数据过滤 （if）、生成直到结束符（while）。把控制流写顺，你就能读懂甚至写出训练脚本的主干。

一、if / elif / else：做判断

python 复制代码

loss = 0.023

if loss < 0.01:
    print("收敛得很好，可以停了")
elif loss < 0.1:
    print("还在下降，继续训练")
else:
    print("loss 太高，检查数据或学习率")

注意 Python 用缩进（通常 4 个空格）划分代码块，不用大括号。缩进错了逻辑就错了，这是新手最常见的编译期错误。

真值测试：空容器是"假"

python 复制代码

if not []:
    print("空列表是假")          # 会执行
if not "":
    print("空字符串是假")         # 会执行
if 0:
    print("0 是假")              # 不会执行
if "0":
    print("非空字符串'0'是真")    # 会执行！注意和数字 0 的区别

记住：空容器 [] {} () ""、数字 0、None 都是假 ，其余为真。这个特性让判断写得很简洁，但也要小心 0 和 "0" 的区别。

二、for 循环：遍历序列

python 复制代码

epochs = [1, 2, 3]
for e in epochs:
    print(f"第 {e} 轮训练")

三个高频搭档：

python 复制代码

words = ["我", "爱", "大模型"]

# enumerate：同时拿到下标和值
for i, w in enumerate(words):
    print(i, w)          # 0 我 / 1 爱 / 2 大模型

# range：生成数字序列
for step in range(0, 100, 10):    # 从 0 到 100（不含），步长 10
    print(step)

# zip：同时遍历两个列表
questions = ["Q1", "Q2"]
answers = ["A1", "A2"]
for q, a in zip(questions, answers):
    print(f"{q} -> {a}")

三、while 与 break / continue / else

while 在条件为真时一直循环，适合"不知道要循环多少次"的场景：

python 复制代码

# 生成式任务：一直生成，直到遇到结束符或达到最大长度
generated = []
max_len = 20
while len(generated) < max_len:
    token = "下一个词"          # 假装模型输出
    if token == "<EOS>":
        break                  # 遇到结束符，跳出循环
    generated.append(token)
else:
    print("循环正常结束（没触发 break）")

break：直接跳出整个循环；
continue：跳过本次，进入下一轮；
for/while ... else：循环没有被 break 中断时才执行 else（这个语法很冷门但有用）。

四、可迭代对象：for 背后到底在干什么

你之所以能 for x in 列表，是因为列表是可迭代对象 。它背后其实做了两件事：拿到迭代器 → 反复 next()。

python 复制代码

words = ["我", "爱", "大模型"]
it = iter(words)          # 拿到迭代器
print(next(it))           # 我
print(next(it))           # 爱
print(next(it))           # 大模型
# print(next(it))         # 抛 StopIteration，for 循环就是靠它结束的

理解这一点，后面读 enumerate、zip、生成器（yield）就不会懵------它们本质上都是"可迭代对象"。

五、实战：一个带早停的训练循环

把控制流串起来，写一个真实感很强的训练主干（不依赖任何深度学习库，用假数据模拟）：

python 复制代码

import random

random.seed(42)
loss = 2.5                      # 初始 loss
best_loss = float("inf")        # 记录历史最好
patience = 3                    # 连续 3 轮不改善就停
no_improve = 0

for epoch in range(1, 21):      # 最多训 20 轮
    # 模拟每轮 loss 下降（带一点随机波动）
    loss = loss * 0.85 + random.uniform(-0.02, 0.02)

    print(f"epoch {epoch:2d} | loss = {loss:.4f}")

    # 判断是否有改善
    if loss < best_loss - 1e-4:
        best_loss = loss
        no_improve = 0
        print(f"  ✔ 有改善，保存模型（best={best_loss:.4f}）")
    else:
        no_improve += 1
        print(f"  ✘ 无改善（{no_improve}/{patience}）")

    # 早停
    if no_improve >= patience:
        print(f"连续 {patience} 轮无改善，提前停止训练")
        break
else:
    print("20 轮全部跑完")

print(f"最终 best loss = {best_loss:.4f}")

运行结果示例：

复制代码

epoch  1 | loss = 2.1274
  ✔ 有改善，保存模型（best=2.1274）
epoch  2 | loss = 1.8069
  ✔ 有改善，保存模型（best=1.8069）
...
epoch  8 | loss = 0.6532
  ✘ 无改善（1/3）
epoch  9 | loss = 0.6610
  ✘ 无改善（2/3）
epoch 10 | loss = 0.6498
  ✘ 无改善（3/3）
连续 3 轮无改善，提前停止训练
最终 best loss = 0.6512

这段代码包含了真实训练脚本的全部控制流骨架：固定轮次的 for 、判断改善的 if 、计数与早停的 break 、兜底的 else 。以后你看到 PyTorch 的训练循环，会发现结构完全一样，只是把"假 loss"换成了真实的 loss.backward()。

六、常见坑与注意事项

坑	现象	解决办法
缩进不一致	`IndentationError` 或逻辑错乱	统一 4 空格，别混用 Tab
遍历时修改容器	漏元素或无限循环	遍历副本 `lst[:]`，或用推导式
`range` 边界	`range(1,10)` 不含 10	记住"左闭右开"
while 死循环	程序卡死不退出	确保条件会变化，或加最大次数保护
用 `==` 判断 None	判断失效	用 `is None` / `is not None`
浮点数做循环条件	精度误差导致多跑/少跑一轮	用整数计数，或用容差

两个重点提醒：

range(n) 不含 n ：range(1, 10) 是 1~9。这是"左闭右开"惯例，和切片一致，习惯就好。
while 一定要有出口 ：循环体里必须让条件朝"假"的方向变化，否则死循环。稳妥做法是加一个 max_steps 上限（像上面 range(1, 21) 那样）。

七、for 与 while 怎么选

场景	推荐	原因
遍历已知序列（列表、range）	`for`	简洁，自动处理结束
轮次固定的训练	`for epoch in range(n)`	轮数明确
次数未知，满足条件就停	`while`	如"生成到 EOS"
需要下标	`for i, x in enumerate(...)`	比 `range(len())` 优雅
同时遍历多个序列	`zip`	自动对齐长度

口诀：能数得清用 for，数不清用 while。

八、本篇小结

if/elif/else 靠缩进分块；空容器、0、None 都是"假"。
for 配 enumerate（带下标）、range（数字序列）、zip（并行遍历）是三大高频用法。
while 适合次数未知的循环，break 跳出、continue 跳过、else 在未 break 时执行。
可迭代对象背后是 iter() + next()，这是理解生成器和迭代器的钥匙。
我们用控制流搭出了带早停的完整训练循环骨架------真实 PyTorch 脚本的主干结构一模一样。

下一篇讲函数 ------参数、lambda、*args/**kwargs 与作用域。你会学到怎么把重复逻辑封装成可复用的工具，这也是写出整洁大模型代码的关键一步。

本篇是《大模型开发从 0 到 1》专栏第 5 篇。专栏文章按「分类专栏」归类，顺序学习体验最佳。