【21天python打卡】第18天 python经典案例(4)

简介: ​大家好,今天是21天python打卡第18天,今天我们继续说说python的经典案例。今天主要说了多条件语句的使用方法,以及举例异常处理的例子,通过bmi例子加深了我们对条件语句的使用技巧。

PM2.5空气质量提醒

随着科技的发展,我们越来越重视环境污染问题,担心PM2.5的指标。我们就编写一个 PM2.5空气质量提醒的程序。我们应不同的语句来实现它。


PM2.5空气质量提醒(1)

这个程序是最简单的,三个if语句,如果PM2.5在[0,35],则输出空气优质,快去户外运动!,如果PM2.5在[35,75],则输出空气良好,适度户外活动!,如果PM2.5大于75,则输出空气污染,请小心。


代码实现

PM = eval(input("请输入PM2.5数值: "))
if 0<= PM < 35:
    print("空气优质,快去户外运动!")
if 35 <= PM <75:
    print("空气良好,适度户外活动!")
if 75 <= PM:
    print("空气污染,请小心!")

实验结果

>>>30

空气优质,快去户外运动!

>>>50

空气良好,适度户外运动!

>>>80

空气污染,请小心


PM2.5空气质量提醒(2)

这个使用了if else语句,如果PM2.5大于75,输出空气存在污染,请小心,否则输出空气没有污染,可以开展户外运动!。


代码实现

PM = eval(input("请输入PM2.5 数值: "))
if PM >= 75:
    print("空气存在污染,请小心!")
else:
    print("空气没有污染,可以开展户外运动!")

实验结果

>>>80

空气存在污染,请小心!

>>>59

空气没有污染,可以开展户外运动!


PM2.5空气质量提醒(3)

这个使用了if elif else语句,本质上是和第一个是一样的,我们只要知道其含义就可以了。


代码实现

PM = eval(input("请输入PM2.5数值: "))
if 0<= PM < 35:
    print("空气优质,快去户外运动!")
elif 35 <= PM <75:
    print("空气良好,适度户外活动!")
else:
    print("空气污染,请小心!")

实验结果

>>>30

空气优质,快去户外运动!

>>>50

空气良好,适度户外运动!

>>>80

空气污染,请小心


身体质量指数BMI的计算

身体质量指数,是BMI(Body Mass Index )指数,简称体质指数,是国际上常用的衡量人体胖瘦程度以及是否健康的一个标准。


计算公式为:BMI=体重÷(身高*身高)。(体重单位:千克;身高单位:米。)


我们知道其计算公式后就可以编写程序了。这两种方法都是使用了多个条件语句,实现不同的输出。我就不过多赘述。


身体质量指数BMI的计算(1)

代码实现

height, weight = eval(input("请输入身高(米)和体重(公斤)[逗号隔开]: "))
bmi = weight / pow(height, 2)
print("BMI 数值为:{:.2f}".format(bmi))
wto, dom = "", ""
if bmi < 18.5: # WTO 标准
  wto = "偏瘦"
elif bmi < 25: # 18.5 <= bmi < 25
  wto = "正常"
elif bmi < 30: # 25 <= bmi < 30
  wto = "偏胖"
else:
  wto = "肥胖"
if bmi < 18.5: # 我国卫生部标准
  dom = "偏瘦"
elif bmi < 24: # 18.5 <= bmi < 24
  dom = "正常"
elif bmi < 28: # 24 <= bmi < 28
  dom = "偏胖"
else:
  dom = "肥胖"
print("BMI 指标为:国际'{0}', 国内'{1}'".format(wto, dom))

实验结果

>>>15

偏瘦

>>>20

正常

>>>25

偏胖

>>>30

肥胖


身体质量指数BMI的计算(2)

代码实现

height, weight = eval(input("请输入身高(米)和体重\(公斤)[逗号隔开]: "))
bmi = weight / pow(height, 2)
print("BMI 数值为:{:.2f}".format(bmi))
wto, dom = "", ""
if bmi < 18.5:
    wto, dom = "偏瘦", "偏瘦"
elif 18.5 <= bmi < 24:
    wto, dom = "正常", "正常"
elif 24 <= bmi < 25:
    wto, dom = "正常", "偏胖"
elif 25 <= bmi < 28:
    wto, dom = "偏胖", "偏胖"
elif 28 <= bmi < 30:
    wto, dom = "偏胖", "肥胖"
else:
    wto, dom = "肥胖", "肥胖"
print("BMI 指标为:国际'{0}', 国内'{1}'".format(wto, dom))

实验结果

>>>18:

 "偏瘦", "偏瘦"

>>>20

"正常", "正常"

>>>24

"正常", "偏胖"

>>>25

"偏胖", "偏胖"

>>>28

"偏胖", "肥胖"

>>>30

"肥胖", "肥胖"


异常处理的小例子

我们会经常遇到输出异常,大部分都是我们输入不合法,然后程序就会报错,为了解决这种情况,我们通过会加这样的语句,try 语句。下面我们就通过三个具体的实例来看看是如何处理的。


异常处理的小例子(1)

代码实现


try:
    num = eval(input("请输入一个整数: "))
    print(num**2)
except NameError:
    print("输入错误,请输入一个整数!")

实验结果


99.png

异常处理的小例子(2)

代码实现

try:
    alp = "ABCDEFGHIJKLMNOPQRSTUVWXYZ"
    idx = eval(input("请输入一个整数: "))
    print(alp[idx])
except NameError:
    print("输入错误,请输入一个整数!")  
except:
    print("其他错误")

实验结果

100.png

异常处理的小例子

代码实现

try:
    alp = "ABCDEFGHIJKLMNOPQRSTUVWXYZ"
    idx = eval(input("请输入一个整数: "))
    print(alp[idx])
except NameError:
    print("输入错误,请输入一个整数!")
else:
    print("没有发生异常")
finally:
    print("程序执行完毕,不知道是否发生了异常")

实验结果

101.png


蒙特卡罗方法求解π值

《隋书律历志》留下一小段关于圆周率(π)的记载,祖冲之算出π的真值在3.1415926(朒数)和3.1415927(盈数)之间,相当于精确到小数第7位,成为当时世界上最先进的成就。这一纪录直到15世纪才由阿拉伯数学家卡西打破。


今天我们借助计算机来求π的大小。


代码实现

from random import random
from math import sqrt
from time import clock
DARTS = 1000
hits = 0.0
clock()
for i in range(1, DARTS+1):
    x, y = random(), random()
    dist = sqrt(x ** 2 + y ** 2)
    if dist <= 1.0:
        hits = hits + 1
pi = 4 * (hits/DARTS)
print("Pi值是{}.".format(pi))
print("运行时间是: {:5.5}s".format(clock()))

实验结果

Pi值是3.224.

这个误差还是比较大的。


今天就介绍到这里,下一篇我们继续分享python的经典案例。


相关文章
|
2天前
|
数据采集 机器学习/深度学习 数据可视化
数据科学项目实战:完整的Python数据分析流程案例解析
【4月更文挑战第12天】本文以Python为例,展示了数据分析的完整流程:从CSV文件加载数据,执行预处理(处理缺失值和异常值),进行数据探索(可视化和统计分析),选择并训练线性回归模型,评估模型性能,以及结果解释与可视化。每个步骤都包含相关代码示例,强调了数据科学项目中理论与实践的结合。
|
2天前
|
Python
Python自动化办公实战案例:文件整理与邮件发送
Python自动化办公实战案例:文件整理与邮件发送
8 0
|
2天前
|
存储 数据挖掘 数据处理
使用Python将数据表中的浮点数据转换为整数:详细教程与案例分析
使用Python将数据表中的浮点数据转换为整数:详细教程与案例分析
7 2
|
2天前
|
数据采集 Web App开发 Java
Python 爬虫:Spring Boot 反爬虫的成功案例
Python 爬虫:Spring Boot 反爬虫的成功案例
|
2天前
|
机器学习/深度学习 数据采集 数据可视化
利用Python进行历史数据预测:从入门到实践的两个案例分析
利用Python进行历史数据预测:从入门到实践的两个案例分析
25 1
|
2天前
|
前端开发 JavaScript Python
使用Python读取本地行情csv文件,做出web网页画出K线图实现案例
【5月更文挑战第4天】使用Python绘制K线图的步骤:1) 安装pandas, matplotlib和Flask;2) 用pandas读取CSV文件并处理数据;3) 创建Flask应用,渲染包含K线图数据的HTML;4) 编写HTML,使用ECharts库绘制K线图。
27 0
|
2天前
|
机器学习/深度学习 数据采集 TensorFlow
【Python机器学习专栏】使用Python进行图像分类的实战案例
【4月更文挑战第30天】本文介绍了使用Python和深度学习库TensorFlow、Keras进行图像分类的实战案例。通过CIFAR-10数据集,展示如何构建和训练一个卷积神经网络(CNN)模型,实现对10个类别图像的识别。首先安装必要库,然后加载数据集并显示图像。接着,建立基本CNN模型,编译并训练模型,最后评估其在测试集上的准确性。此案例为初学者提供了图像分类的入门教程,为进一步学习和优化打下基础。
|
2天前
|
数据可视化 Python
Python用 PyMC3 贝叶斯推理案例研究:抛硬币和保险索赔发生结果可视化
Python用 PyMC3 贝叶斯推理案例研究:抛硬币和保险索赔发生结果可视化
|
2天前
|
Python
使用Seaborn库创建图形的使用案例
【4月更文挑战第29天】该代码段首先导入seaborn和matplotlib库,然后加载名为&quot;titanic&quot;的数据集。接着,它创建一个画布并设定子图大小。通过seaborn的FacetGrid以&quot;Attrition_Flag&quot;为列进行分组,映射数据到网格上,用histplot展示&quot;Customer_Age&quot;的直方图分布。同样,也使用boxplot方法生成&quot;Freq&quot;的箱线图。最后展示所有图形。
10 2
|
2天前
|
Python
python实现股票策略回测案例
此Python代码演示了一个简单的股票策略回测,使用yfinance库获取AAPL股票2020年至2022年的数据。它计算每日收益率,并基于前一日收益率决定买卖:正则买入,负则卖出。通过模拟交易更新现金和股票余额,最终计算总收益。请注意,此示例未涵盖交易费用、滑点、风险管理等实际交易因素。
23 0