Python基础 2 - 程序控制流语句

2024-08-28 09:20

本文主要是介绍Python基础 2 - 程序控制流语句,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!



文章目录

  • 一、程序控制流语句
  • 二、if 判断语句
    • 1、单、双分支 if 条件格式
    • 2、多分支 if 条件格式:
    • 3、if 判断语句的嵌套
    • 4、 三元操作符
  • 三、 循环语句
    • 1、while 循环
    • 2、for 循环
      • 延伸:列表推导式
    • 3、循环中断
    • 4、使用循环常见的错误和陷阱



  大家好,我是技术界的小萌新,今天要和大家分享一些干货。在阅读之前请先点赞👍,给我一点鼓励吧!这对我来说很重要 (*^▽^*)


一、程序控制流语句

  在Python中,ifwhilefor 这些关键字用于控制程序的执行流程,它们统称为控制流语句

  (Control Flow Statements)。

  • if 语句用于基于条件判断来执行不同的代码分支。
  • while 循环用于在满足特定条件时重复执行一段代码。
  • for 循环用于遍历序列(如列表、元组、字典等)中的每个元素,执行代码块。

  这些控制流语句是编程中实现逻辑控制和决策的基本结构。


二、if 判断语句

1、单、双分支 if 条件格式

  if 条件判断:

    条件成立 True 时执行的代码

  else:

    条件不成立 False 时执行代码


2、多分支 if 条件格式:

  if 条件1:

  elif 条件2:

  elif 条件3:

  else:

    所有条件不满足时执行语句

提醒:

多个 elif 之间是互斥有序的,上一个条件满足后就不会在进行后续判断。


3、if 判断语句的嵌套

  表示多个 if 判断成功、失败的嵌套分支,用于多条件、多层次的逻辑判断。

if 条件1:语句1语句2if 条件1.1:条件1满足,条件1.1满足后执行语句elif:条件1.1不满足后执行语句
elif 条件2:条件1不满足、条件2满足后执行语句
else:所有条件不满足时执行语句

提醒:

注意每个判断块之间的层次关系


4、 三元操作符

  Python中的三元操作符(ternary operator)是一种简洁的表达式处理方式,可以根据语句结果进行赋值if-else的逻辑是简洁的,它在单行中根据条件是否满足来选择两个值中的一个进行赋值。如下示例:

x = 10
y = 20
result = x if x > y else y
print(result)打印:
20
  • x > y (condition)是一个布尔表达式,它会被评估为TrueFalse
  • 如果条件True ,则result将被赋予值 x
  • 如果条件False,则result将被赋予值 y

  这种表达式在很多编程语言中都有,但在 Python 中使用时,它特别简洁,因为它避免了需要写完整的if-else语句。

  其他应用场景

  • 根据条件改变函数的返回值 return

    def get_message(status):return "Success" if status else "Failure"
    
  • 简化其他复杂表达式需要进行if-else逻辑判断的情景:

    value = 5
    print("Greater than 3" if value > 3 else "3 or less")
    

    注意:

    • 条件表达式应该尽量保持简单,如果逻辑过于复杂,使用完整的 if-else 语句可能更清晰。
    • 条件表达式的结果可以是任何类型的表达式,不仅限于返回两个值

三、 循环语句

1、while 循环

  while 条件:

    语句1

    语句2

  • 直到条件不满足时结束循环,即条件为真循环。条件为 bool 布尔类型, True 为真循环,False 为假跳出循环。
# 二分法循环猜数游戏
def computer_guesses_number():# 设置数字范围lower_bound = 1upper_bound = 100attempts = 0print("欢迎来到猜数字游戏!")print(f"请在心里想好一个 {lower_bound}{upper_bound} 之间的数字。")input("按 Enter 键继续...")while lower_bound <= upper_bound:attempts += 1# 使用二分法进行猜测guess = (lower_bound + upper_bound) // 2print(f"我的猜测是: {guess}")feedback = input("如果猜得太高,请输入 'H';如果猜得太低,请输入 'L';如果猜对了,请输入 'C': ").upper()if feedback == 'H':upper_bound = guess - 1elif feedback == 'L':lower_bound = guess + 1elif feedback == 'C':print(f"太棒了!我猜中了你的数字 {guess}!")print(f"我总共猜了 {attempts} 次。")returnelse:print("无效输入,请输入 'H', 'L' 或 'C'。")# 运行游戏
computer_guesses_number()
  • 两个 while 可以进行循环嵌套。
# 经典打印99乘法表
i=1
while i<=9:  # 外循环控制 行数j=1while j<=i:  # 内循环控制 列数print(f"{j} * {i} = {i*j}\t",end='')  # 给 end 传参,一行多个输出不换行,\t 控制格式每个输出控制对其格式j+=1print()i+=1

2、for 循环

  while 特点:循环条件自定义,可自行控制循环条件。

  for 特点:for 循环本质是一种 “轮询” 机制,对一批数据集进行 “逐个处理”,无法自定义循环条件。

  基础语法:

  for 临时变量 in 待处理数据集:

    循环执行的代码

延伸:列表推导式

  列表推导式(List Comprehension)是 Python 中一种优雅且简洁的构建列表的方法,它提供了一种基于现有列表(或其他可迭代对象)创建新列表的表达式。列表推导式通常用于从一个列表中选择、过滤或应用函数变换元素,并生成一个新的列表。

  基本语法:

新的列表 = [表达式 for 变量 in 可迭代对象 if 条件 ]	  # if 条件 (可选)
  • 表达式:对每个元素进行的操作或计算。
  • 变量:在可迭代对象中遍历的元素的临时变量。
  • 可迭代对象:要遍历的列表、元组、字典等。
  • 条件(可选):一个布尔表达式,用于过滤可迭代对象中的元素,if 条件为真时,可迭代对象中的变量才可应用到表达式中。

  示例:

  1) 简单列表推导式: 从一个范围中创建一个新列表,包含平方的数字:

squares = [x**2 for x in range(10)] # range(10) = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],从 0 计数无下标 10
print(squares) 打印:
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

  2) 带条件的列表推导式:创建一个新列表,只包含原列表中的偶数:

original_list = [1, 2, 3, 4, 5, 6]
even_numbers = [num for num in original_list if num % 2 == 0]
print(even_numbers)  打印:
[2, 4, 6]

  3) 嵌套列表推导式:创建一个二维列表,其中包含乘法表:

multiplication_table = [[x * y for y in range(1, 11)] for x in range(1, 6)]
print(multiplication_table)打印:
[[1, 2, 3, 4, 5, 6, 7, 8, 9, 10],[2, 4, 6, 8, 10, 12, 14, 16, 18, 20],[3, 6, 9, 12, 15, 18, 21, 24, 27, 30],[4, 8, 12, 16, 20, 24, 28, 32, 36, 40],[5, 10, 15, 20, 25, 30, 35, 40, 45, 50]
]

  列表推导式的优点包括:

  • 简洁性:可以用一行代码完成列表的创建和变换。
  • 可读性:对于简单的操作,列表推导式比传统的for循环更易读。
  • 性能:在某些情况下,列表推导式比等价的for循环执行更快。

  然而,也要注意不要过度使用列表推导式,特别是当逻辑变得复杂或难以理解时,传统的for循环可能更清晰。此外,列表推导式不适用于非常大的数据集,因为它们会一次性在内存中创建整个列表,这可能会导致性能问题或内存不足。在这些情况下,生成器表达式可能是更好的选择。


3、循环中断

  continue: 中断当前块当前次的循环,进入下一次循环。

  break: 中断当前循环块的循环,进入循环体外执行后续代码。


4、使用循环常见的错误和陷阱

  在使用控制流语句时,开发者可能会遇到一些常见的错误和陷阱。了解这些潜在问题可以帮助你编写更健壮和可靠的代码。以下是一些常见的错误和如何避免它们:

  1. 无限循环:
    • 错误:在whilefor循环中,如果循环条件永远为真,或者没有适当的退出机制,将导致无限循环。
    • 避免方法:确保循环有条件检查并在适当的时候使用break语句退出循环。
  2. 越界访问:
    • 错误:在使用索引访问序列(如列表、元组)时,如果索引超出了序列的范围,将抛出IndexError
    • 避免方法:在使用索引之前检查它是否在有效范围内。
  3. 逻辑错误:
    • 错误:在if-else语句中,错误的逻辑判断可能导致代码执行错误的分支。
    • 避免方法:仔细检查条件表达式,并使用更多的条件测试来验证逻辑。
  4. 嵌套循环的复杂性:
    • 错误:过度嵌套的循环可能导致代码难以理解和维护,也可能产生性能问题。
    • 避免方法:尽可能简化循环结构,使用函数或列表推导式来代替复杂的嵌套。
  5. 资源未释放:
    • 错误:在使用try-except语句时,如果没有正确地管理资源,如文件句柄或网络连接,可能会导致资源泄露。
    • 避免方法:使用finally子句或上下文管理器(with语句)来确保资源被正确关闭。
  6. 异常处理不全面:
    • 错误:在try-except块中,如果没有捕获所有可能的异常,或者捕获了异常但没有适当的错误处理逻辑,可能会导致程序崩溃或产生不可预料的行为。
    • 避免方法:捕获预期的异常,并提供清晰的错误处理逻辑。
  7. 继续(continue)使用不当:
    • 错误:在循环中使用continue可能会跳过某些重要的执行步骤,导致逻辑错误。
    • 避免方法:谨慎使用continue,并确保它不会影响循环的预期行为。
  8. 变量作用域问题:
    • 错误:在嵌套的控制流结构中,变量的作用域可能不明确,导致意外的覆盖或访问。
    • 避免方法:明确变量的作用域,使用局部变量或通过闭包来保持状态。
  9. 循环中的可变迭代器:
    • 错误:在循环中修改正在迭代的可变序列(如列表),可能会导致不可预料的行为。
    • 避免方法:在循环中迭代副本或使用其他数据结构,如元组或集合。
  10. 条件表达式滥用:
    • 错误:过度使用条件表达式(三元操作符)可能会使代码难以阅读,尤其是在复杂的表达式中。
    • 避免方法:对于简单的条件,使用条件表达式;对于复杂的逻辑,使用完整的if-else语句。
  11. 循环中断(break)的误用:
    • 错误:在嵌套循环中使用break可能只退出内层循环,而不是所有循环。
    • 避免方法:明确break的意图,并在需要退出所有循环时使用标志变量或异常。

  通过了解这些常见的错误和陷阱,你可以更加小心地使用控制流语句,并编写出更加健壮和易于维护的代码。此外,编写单元测试和进行代码审查也是预防和发现这些错误的有效方法。


  文章到这里就结束了,希望我的分享能为你的技术之旅增添一抹亮色。如果你喜欢这篇文章,请点赞收藏支持我,给予我前行的动力!🚀



这篇关于Python基础 2 - 程序控制流语句的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1114366

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

【Linux 从基础到进阶】Ansible自动化运维工具使用

Ansible自动化运维工具使用 Ansible 是一款开源的自动化运维工具,采用无代理架构(agentless),基于 SSH 连接进行管理,具有简单易用、灵活强大、可扩展性高等特点。它广泛用于服务器管理、应用部署、配置管理等任务。本文将介绍 Ansible 的安装、基本使用方法及一些实际运维场景中的应用,旨在帮助运维人员快速上手并熟练运用 Ansible。 1. Ansible的核心概念

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态,生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案,则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时,算法停止。 — Choose k successors randomly, biased towards good ones — Close

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',