一个让代码崩溃的经典错误，先看这段代码，你能看出问题吗？

my_list = [1, 2, 3, 4, 5]
for i in range(len(my_list)):
    if my_list[i] % 2 == 0:
        my_list.pop(i)  # 删除偶数元素

运行后直接报错：IndexError: list index out of range！

原因揭秘：
当用range(len())生成固定索引范围（比如0-4）后，若在遍历时删除元素（如删除索引1的元素），列表长度会动态缩短，但索引i仍会递增到原最大索引值，导致访问不存在的元素。

一、四大安全解决方案

方案1：倒序删除法（推荐指数）
从后往前遍历，元素位置变化不影响未处理的索引：

for i in range(len(my_list)-1, -1, -1):
    if my_list[i] % 2 == 0:
        my_list.pop(i)

原理：删除元素时，前面的索引不会变动。

方案2：while循环控制法（推荐指数）
手动管理索引，删除时不递增：

i = 0
while i < len(my_list):
    if my_list[i] % 2 == 0:
        my_list.pop(i)
    else:
        i += 1  # 只在不删除时移动索引

方案3：副本遍历法（推荐指数）
遍历原列表的副本，操作原列表：

for item in my_list.copy():  # 或 my_list[:]
    if item % 2 == 0:
        my_list.remove(item)

注意：适合小规模数据，大列表会有内存开销。

方案4：列表推导式（推荐指数）
一行代码生成新列表，简洁高效：

my_list = [x for x in my_list if x % 2 != 0]

二、扩展避坑指南

1、嵌套列表遍历
使用递归处理多层结构：

def clean_nested_list(lst):
    return [clean_nested_list(x) if isinstance(x, list) else x 
            for x in lst if x % 2 != 0]

2、 字典遍历雷区
直接遍历字典时修改会触发RuntimeError：

# 错误写法！
for key in my_dict:
    del my_dict[key]
# 正确做法：遍历键列表副本
for key in list(my_dict.keys()):
    del my_dict[key]

3、大数据量优化
用生成器避免内存爆满：

def filter_large_data(data):
    for item in data:
        if item % 2 != 0:
            yield item

三、性能对比实验**

测试删除10万个元素时的耗时：

结论：列表推导式速度最快，倒序删除法内存最优。

1. 简单场景：优先用列表推导式或倒序遍历
2. 复杂逻辑：用while循环精准控制索引
3. 超大数据：生成器+分块处理
4. 工具推荐：
5. NumPy：数值计算提速神器
6. Pandas：表格数据一键过滤

你在遍历列表时还遇到过哪些坑？评论区留言，点赞！