方式一：使用普通for循环

students = [{'name': 'jack', 'points': 100},
            {'name': 'eric', 'points': 90},
            {'name': 'joan', 'points': 80},
            {'name': 'alice', 'points': 70}, ]

nums_up60 = 0
for student in students:
    if student['points'] > 60:
        nums_up60 += 1
print(nums_up60)

• 优点可读性高：代码逻辑清晰明了，对于初学者或者不熟悉 Python 高级特性的人来说，很容易理解。它直接遍历列表中的每个元素，逐个检查条件并进行计数。灵活性强：在循环过程中，可以方便地添加其他操作，比如打印符合条件的学生信息，或者进行更复杂的条件判断。
• 缺点代码量相对较多：相比于其他两种方式，使用普通 for 循环需要更多的代码来实现相同的功能。性能上可能稍逊一筹：由于是显式的循环结构，在处理大规模数据时，可能会比使用内置函数的方式稍微慢一些。

方式二：使用列表推导式

students = [{'name': 'jack', 'points': 100},
            {'name': 'eric', 'points': 90},
            {'name': 'joan', 'points': 80},
            {'name': 'alice', 'points': 70}, ]

nums_up60 = len([student for student in students if student['points'] > 60])
print(nums_up60)

• 优点简洁性高：代码简洁，一行代码就可以完成筛选和计数的操作，减少了代码的冗余。执行效率较高：列表推导式是 Python 内置的高效语法结构，在处理中等规模的数据时，性能表现较好。
• 缺点可读性相对较差：对于不熟悉列表推导式的人来说，代码可能不太容易理解，尤其是当条件比较复杂时。内存占用较大：列表推导式会生成一个新的列表，当数据量非常大时，会占用较多的内存。

方式三：使用filter函数

students = [{'name': 'jack', 'points': 100},
            {'name': 'eric', 'points': 90},
            {'name': 'joan', 'points': 80},
            {'name': 'alice', 'points': 70}, ]

nums_up60 = len(list(filter(lambda student: student['points'] > 60, students)))
print(nums_up60)

• 优点函数式编程风格：使用 filter 函数体现了函数式编程的思想，代码更加抽象和模块化，适合处理复杂的筛选逻辑。内存效率高：filter 函数返回的是一个迭代器，只有在需要时才会生成元素，因此在处理大规模数据时，内存占用相对较小。
• 缺点可读性较差：使用了 lambda 表达式和 filter 函数，对于初学者来说，理解起来可能有一定的难度。性能可能不如列表推导式：在处理中等规模的数据时，filter 函数的性能可能不如列表推导式。

总结

• 如果数据量较小，且注重代码的可读性和灵活性，推荐使用方式一（普通 for 循环）。
• 如果数据量中等，且追求代码的简洁性和一定的执行效率，推荐使用方式二（列表推导式）。
• 如果数据量非常大，且对内存占用有严格要求，推荐使用方式三（filter 函数）。