应缓存len()结果以避免重复开销：当容器长度不变且循环次数≥1000时，用data_len = len(data)提前缓存；enumerate和zip可替代range(len())；海象运算符:=适合单次条件判断。
len()在循环条件中反复调用会拖慢速度
Python 的 len() 确实是 O(1) 操作，但每次调用仍要经过名称查找、函数分派、对象方法调用（obj.__len__()）三步。在 while 或 for 条件里反复执行，这些开销会累积——尤其当循环体本身很轻量时，len() 可能占到总耗时的 20% 以上。
while i ：每次迭代都重新查 <code>len、再查data、再进__len__-
for i in range(len(data)):：不仅重复调用len()，还额外生成一个整数列表（或 range 对象），且后续还要用data[i]再查一次索引 - 更隐蔽的是
if len(some_list) > 0:这类判断，如果出现在高频循环内，也值得缓存
什么时候必须提前缓存 len 结果
只要满足「容器长度在循环过程中不变」+「循环次数较多（比如 ≥ 1000）」，就该缓存。常见场景包括：
- 遍历列表/元组/字符串做索引访问（
data[i]） - 手写
while循环控制边界（如解析协议、滑动窗口） - 嵌套循环中，外层长度固定但被内层反复读取
- 自定义类实现了开销较大的
__len__（比如要遍历子结构计数）
缓存写法很简单：data_len = len(data) 放在循环前，之后所有地方用 data_len 替代 len(data)。
enumerate 和 zip 已经隐式帮你省了 len
如果你只是想同时拿到索引和值，或并行遍历多个序列，enumerate() 和 zip() 内部不依赖 len()，也不生成中间 range，它们直接用迭代器推进，天然规避了长度查询问题。
立即学习“Python免费学习笔记（深入）”；
- 要索引+值 → 用
for i, item in enumerate(data):，别写for i in range(len(data)): - 要配对两个等长列表 → 用
for a, b in zip(list_a, list_b):，别写for i in range(len(list_a)):再分别取list_a[i]和list_b[i] - 注意：
zip()在 Python 3 中返回迭代器，不会预计算长度；若需提前知道是否等长，才需要显式检查len()
海象运算符（:=）适合一次性 len 判断
如果只在某个条件里用一次 len()，又不想多声明变量污染作用域，:= 是更干净的选择。它把赋值和使用绑在一起，避免二次调用。
例如：if (n := len(my_list)) > 100: —— 这里 len(my_list) 只执行一次，n 仅在该 if 块内有效。比先写 n = len(my_list) 再 if n > 100: 更紧凑，也比 if len(my_list) > 100:（重复调用）更高效。
真正容易被忽略的是：缓存不是为了“让代码看起来快”，而是切断解释器重复查名、重复进方法的路径。哪怕 len() 本身很快，调用链上的动态查找成本，在循环里会被放大。
