Python中多变量复合条件的大量if elif判断语句如何简写优化

方案1：规则优先级匹配法 #

直接把所有判断规则抽成独立的配置列表，每个规则包含判断逻辑和对应的返回结果，按顺序遍历匹配第一个符合的规则即可，完全复现原if-elif的优先级逻辑：

# 规则配置：顺序和原if-elif保持一一对应
rules = [
    (lambda mean, avg: mean > 75 and avg <= 5, 'A'),
    (lambda mean, avg: mean > 75 and avg > 5, 'B'),
    (lambda mean, avg: mean > 75 and avg < -5, 'C'),
    (lambda mean, avg: mean > 65 and avg <= 5, 'D'),
    (lambda mean, avg: mean > 65 and avg > 5, 'E'),
    # 新增规则直接在此处添加即可，不需要修改核心判断逻辑
    # 可直接将后面的'A'/'B'替换为你需要的详细说明长字符串
]

def get_category(mean, avg):
    for condition, result in rules:
        if condition(mean, avg):
            return result
    # 所有规则未命中时返回默认值
    return '未匹配分类'

这个方案的优势：

• 无变量数量限制，支持任意复杂的多条件组合，同一个数值可在不同规则中多次使用
• 逻辑和原if-elif完全对齐，不需要调整原有判断顺序即可无缝替换
• 规则和业务逻辑解耦，后续维护只需要修改配置列表，不会出现代码越写越长的问题
• 返回值支持任意类型，长文本、自定义对象都可以直接存储

方案2：分层判断法（适合条件有明确优先级的场景） #

如果你的判断逻辑有明确的分层优先级（比如示例中先判断mean区间，再判断avg区间），可以用嵌套规则结构进一步降低匹配次数，规则分层后也更易维护：

layered_rules = [
    (
        lambda mean: mean > 75,
        [
            (lambda avg: avg <= 5, 'A'),
            (lambda avg: avg > 5, 'B'),
            (lambda avg: avg < -5, 'C'),
        ]
    ),
    (
        lambda mean: mean > 65,
        [
            (lambda avg: avg <= 5, 'D'),
            (lambda avg: avg > 5, 'E'),
        ]
    )
]

def get_category(mean, avg):
    for mean_condition, avg_rules in layered_rules:
        if mean_condition(mean):
            for avg_condition, result in avg_rules:
                if avg_condition(avg):
                    return result
    return '未匹配分类'

注意事项 #

如果存在重叠的判断条件，一定要保证规则顺序和原if-elif的顺序一致，避免出现逻辑结果不一致的问题。

内容的提问来源于stack exchange，提问作者Thomas Bunink