在操作列表数据时，最忌讳的就是循环逻辑绕了弯路。今天要探讨的问题非常典型：如何遍历数值列表，既能高效筛选出符合条件的元素，又能在没有任何元素达标时给出人性化提示？
日常进行数据清洗或处理时，常见的一个需求就是——从一堆数字中筛选出符合特定条件的元素。例如有一个分数列表 scores = [0.9, 0.8, 0.3, 0.4]，需要找出所有≥0.8的分数。但问题在于：如果没有一个分数达标，总不能只返回一个空列表吧？
最直接且稳妥的思路其实很简单：先完成筛选，再根据筛选结果决定输出内容。Python中有一个非常实用的特性——空列表 [] 在布尔上下文中会被视为 False，而非空列表则为 True。因此，直接使用 if new: 来判断，代码既简洁又高效：
scores = [0.9, 0.8, 0.3, 0.4]
new = []
for sc in scores:
if sc >= 0.8: # 注意边界条件：0.8需要保留，因此使用>=
new.append(sc)
if new:
print(new) # 输出: [0.9, 0.8]
else:
print("列表中没有分数达到阈值")
✅ 还能进一步优化：
- 使用列表推导式会让代码更简洁，语义更清晰，性能也略好：
new = [sc for sc in scores if sc >= 0.8] print(new if new else "列表中没有分数达到阈值")
- 如果只需判断“是否存在达标的元素”（无需收集所有达标元素），用
any()可以提前终止遍历，数据量大时能节省不少时间：
if any(sc >= 0.8 for sc in scores):
print([sc for sc in scores if sc >= 0.8])
else:
print("列表中没有分数达到阈值")
⚠️ 几个容易踩的坑：
- 原始代码中那种
if sc < 0.8: pass的写法完全多余，直接采用正向判断if sc >= 0.8即可； - 阈值比较时务必确认边界是否包含——比如本例中0.8要保留，就得用
>=； - 不要在循环里反复调用
len(new)或者判断new == []，直接用if new:才是Python的推荐写法，既简洁又高效。
该方案的时间复杂度为O(n)，仅需遍历一次，逻辑清晰且可读性强。无论是数据清洗、日志分析还是实时监控，这种阈值判断方法都非常实用。
