Python中如何简化动态n层嵌套for循环的实现？

你需要的本质是任意数量列表的笛卡尔积遍历，三种常用实现方案如下：

1. Python原生实现（首选，无额外依赖） #

直接用标准库itertools.product，完美适配动态n个列表的场景，返回迭代器内存占用极低，天然支持字符串元素：

import itertools

# 把所有待迭代的列表存入总列表，n为任意数量都支持
all_lists = [list_1, list_2, list_3, list_4, list_5, list_6, list_7]

# 遍历效果和n层嵌套for循环完全一致
for items in itertools.product(*all_lists):
    print(*items)

2. Pandas实现（适合后续结构化处理场景） #

如果需要把笛卡尔积结果存为DataFrame做后续统计、清洗等操作，可以用pd.MultiIndex.from_product快速生成：

import pandas as pd

all_lists = [list_1, list_2, list_3, list_4, list_5, list_6, list_7]
# 生成笛卡尔积结果表
df = pd.MultiIndex.from_product(all_lists).to_frame(index=False)

# 逐行打印示例
for _, row in df.iterrows():
    print(*row.to_list())

3. Numpy实现（适合后续向量化运算场景） #

如果需要对结果做批量数值运算，可以用numpy的meshgrid实现：

import numpy as np

all_lists = [list_1, list_2, list_3, list_4, list_5, list_6, list_7]
# 生成笛卡尔积数组
mesh_arr = np.meshgrid(*all_lists, indexing='ij')
result_arr = np.stack(mesh_arr, axis=-1).reshape(-1, len(all_lists))

# 逐行打印示例
for row in result_arr:
    print(*row.tolist())

选型建议 #

• 仅需遍历输出、无额外依赖需求优先选Python原生方案，性能最优
• 需要结构化数据处理选Pandas方案
• 需要向量化批量运算选Numpy方案

内容的提问来源于stack exchange，提问作者Gokul Prasanth