Python：如何高效统计百万级嵌套列表中长度为4的子列表数量

嘿，百万级规模的嵌套列表统计，手动循环确实会慢到让人跺脚！我来给你几个能把速度拉满的优化方案，分两种场景说：

场景1：只有单层嵌套（外层是列表，内层都是子列表，没有更深嵌套） #

这种情况最简单，直接用生成器表达式+内置sum函数就行——这俩都是C级别的实现，比Python手写循环快N倍，而且内存占用极低（不用额外创建大列表）：

arrayNumbers_len = sum(1 for sublist in your_nested_list if len(sublist) == 4)

为什么这个快？因为生成器表达式是按需迭代，不会把所有符合条件的子列表都存进内存，而sum是Python内置的优化函数，底层用C实现，比你自己写count = 0; for ...: count +=1快得多。

场景2：多层嵌套（子列表里还套着子列表，需要统计所有层级的长度为4的列表） #

这时候得先遍历所有层级的子列表，但绝对不能用递归（嵌套深了会栈溢出），用迭代式的深度优先遍历配合生成器，同样用sum统计：

def iterate_all_sublists(nested_list):
    stack = list(nested_list)  # 用栈来实现深度优先遍历
    while stack:
        item = stack.pop()
        if isinstance(item, list):
            yield item  # 先把当前这个子列表交出去统计
            stack.extend(item)  # 把它的子元素放进栈，继续遍历

# 统计数量
arrayNumbers_len = sum(1 for sublist in iterate_all_sublists(your_nested_list) if len(sublist) == 4)

这个方法完全避免了递归栈溢出的问题，而且遍历效率极高，同样是内存友好的按需迭代。

额外的极致优化建议 #

1. 别用列表推导式统计长度：比如别写len([s for s in ... if len(s)==4])，这会创建一个新列表，百万级数据下内存开销爆炸，生成器表达式才是正确选择。
2. 用PyPy代替CPython：如果你的代码可以在PyPy上跑，那速度还能再翻好几倍——PyPy的JIT编译器对这种迭代场景优化得特别好。
3. 提前过滤非列表元素：如果你的嵌套列表里有大量非列表元素，可以在遍历的时候先判断isinstance(item, list)，避免无效判断。

这些方法处理百万级数据完全没问题，速度比手动循环快几十甚至上百倍！

内容的提问来源于stack exchange，提问作者RaduS