使用 python 的 `itertools.product` 可高效生成任意数量子列表的笛卡尔积，避免动态嵌套循环难题，适用于运行时才确定列表层数的场景。
在处理动态深度的嵌套列表（例如 [[a,b,c], [p,q,r], ..., [x,y,z]]）并需要枚举“从每个子列表中各取一个元素”的所有可能组合时，本质是在计算多个集合的笛卡尔积。手动编写 n 层 for 循环不仅冗长、易错，更因 n 在运行时未知而不可行。
此时，标准库中的 itertools.product 是最简洁、高效且地道的解决方案。它专为这类任务设计：接受多个可迭代对象（或通过解包 *lists 传入一个列表），返回所有有序组合的迭代器。
✅ 基本用法示例
import itertools
# 示例输入：3 个字符串（等价于字符列表）
data = ["abc", "jkl", "xyz"]
# 生成笛卡尔积：等价于 for a in "abc": for j in "jkl": for x in "xyz": ...
result = list(itertools.product(*data))
print(f"共 {len(result)} 种组合")
print("前 5 个结果：", result[:5])输出：
共 27 种组合
前 5 个结果： [('a', 'j', 'x'), ('a', 'j', 'y'), ('a', 'j', 'z'), ('a', 'k', 'x'), ('a', 'k', 'y')]? 注意：itertools.product(*data) 中的 * 是关键——它将 data 列表“解包”为独立参数，如 product("abc", "jkl", "xyz")，从而适配函数签名。
✅ 处理真正意义上的列表-of-列表（含非字符串元素）
data = [
[1, 2],
['x', 'y'],
[True, False]
]
combinations = list(itertools.product(*data))
for combo in combinations:
print(list(combo)) # 转为 list 便于阅读（product 返回 tuple）输出：
[1, 'x', True] [1, 'x', False] [1, 'y', True] [1, 'y', False] [2, 'x', True] [2, 'x', False] [2, 'y', True] [2, 'y', False]
⚠️ 注意事项与最佳实践
-
内存友好性：itertools.product 返回迭代器，不立即生成全部结果。对大规模数据，请直接迭代而非 list() 全部加载，避免内存溢出：
for combo in itertools.product(*huge_lists): process(combo) # 流式处理 -
结果类型：默认返回 tuple。若需 list，可用 map(list, product(...)) 或列表推导式：
result_as_lists = [list(t) for t in itertools.product(*data)]
- 空输入处理：若任一子列表为空，product 返回空迭代器（即 []），符合数学定义。
- 性能优势：底层由 C 实现，远快于纯 Python 递归或 functools.reduce 等替代方案。
✅ 总结
当面对“n 个列表，每组取一个元素组成新序列”的通用组合问题时，itertools.product(*lists) 是 Python 生态中最推荐、最鲁棒的解法。它抽象了循环嵌套逻辑，代码简洁、语义清晰、性能优异，且天然支持任意长度的输入列表——完美解决运行时动态维度的挑战。
