文章目录
程序的循环结构
1，遍历循环
2，无限循环
3，循环控制保留字
4，循环的高级用法
5，random库的使用
6，圆周率的计算
程序的循环结构
1，遍历循环
遍历某个结构形成的循环运行方式
格式：
for <循环变量> in <遍历结构> : <语句块> # 从遍历结构中逐一提取元素，放在循环变量中 # 由保留字for和in组成，完整遍历所有元素后结束 # 每次循环，所获得元素放入循环变量，并执行一次语句块
应用：
计数循环(n次)
代码格式：
for i in range(N) : <语句块>
遍历由range()函数产生的数字序列，产生循环
实例：
想了一个倒计时的实现，代码如下：
import time #引入time库，好调用sleep函数，实现倒计时的效果 for i in range(5): #本节所学的循环，循环5次 print("\r{}".format(4-i),end='') #通过4-i来实现数字的反转，同时\r模拟单行刷新效果 time.sleep(0.6) #睡觉函数，让它每隔0.6S打印下一个，完成 1
计数循环(特定次)
简单说就是 range 函数的使用方法结合版
具体两个栗子，清晰明了。
1.range(a,b) 可以实现a到b-1的遍历，实现b-a次循环，使循环变量得以扩充
for i in range(2,5): print(i)
结果：
2.range（a,b,c）意思是从a开始到b-1，每隔c个数有效，所以下面代码结果是1，3，5
for i in range(1,6,2): print(i)
结果：
字符串遍历循环
for c in s : <语句块>
s是字符串，遍历字符串每个字符，产生循环
for i in "xiaozhang": print(i,end=" ")
列表遍历循环
for item in ls : <语句块>
ls是一个列表，遍历其每个元素，产生循环
for item in ["xiaozhang", "and", "xiaoliu"]: print(item,end=" ")
文件遍历循环
for line in fi : <语句块>
fi是一个文件标识符，遍历其每行，产生循环
for line in fi : print(line)
2，无限循环
由条件控制的循环运行方式
while <条件> : <语句块>
反复执行语句块，直到条件不满足时结束 a = 3 while a > 0 : a-=1 print(a)
但如果我们更改循环语句为a=a+1，此时a将一直大于0，代码将一直跑，若无外力，累死断电死机。。。。。。
3，循环控制保留字
break 和 continue
break跳出并结束当前整个循环，执行循环后的语句（结束当次,-break仅跳出当前最内层循环）
continue结束当次循环，继续执行后续次数循环（结束当前）
break和continue可以与for和while循环搭配使用
实例1continue：
for i in range(5): if i==3: continue print(i) print("看我看我")
从结果也可以发现使用了continue关键字使得 i 等于3时跳出那一次循环，3没有输出，而程序依旧在跑，所以4输出了。然后执行完循环输出看我看我。
实例2break：
for i in range(5): if i==3: break print(i) print("看我看我")
从结果输出了0，1，2程序结束了，可以看出来break使得跳出了这个循环，继续执行循环外的语句
是不是很清晰了
4，循环的高级用法
当循环没有被break语句退出时，执行else语句块
else语句块作为"正常"完成循环的奖励
这里else的用法与异常处理中else用法相似
5，random库的使用
random库是使用随机数的Python标准库
伪随机数: 采用梅森旋转算法生成的(伪)随机序列中元素
random库主要用于生成随机数
使用random库: import random
random库包括两类函数，常用共8个
基本随机数函数： seed(), random()
扩展随机数函数： randint(), getrandbits(), uniform(),
randrange(), choice(), shuffle()
基本随机数函数
随机数种子通过梅森旋转算法生成确定的随机序列，说随机，在计算机中真正的随机数是不存在的，要不然我可能会睡不着觉。啊啊啊，事已至此，先睡一觉。。。。。。。
这里说一下，使用随机数种子，可以使得随机数复现。自己找准需求，合理使用即可。
扩展随机数函数
6，圆周率的计算
两种方法：
公式
蒙特卡罗方法
公式法（计算机最适合做循环，这要交给人，不敢想）
pi = 0 N = 100 for k in range(N): pi += 1/pow(16,k)*( \ #一行写不下或是什么可以用反斜杠然后换行写 4/(8*k+1) - 2/(8*k+4) - \ 1/(8*k+5) - 1/(8*k+6) ) print("圆周率值是: {}".format(pi))
Python的浮点数16位
蒙特卡罗方法
撒沙子模拟掉落在四分之一扇形部分的数量，然后算出4份，当模拟数量很大，结果可能更准确，理论来说。这在工程问题应用广泛。模拟的精度肯定没有公式准确，可有些问题不会公式可以解决的。下面我们用代码实现
from random import random from time import perf_counter DARTS = 1000*1000 hits = 0.0 start = perf_counter() for i in range(1, DARTS+1): x, y = random(), random() dist = pow(x ** 2 + y ** 2, 0.5) if dist <= 1.0: hits = hits + 1 pi = 4 * (hits/DARTS) print("圆周率值是: {}".format(pi)) print("运行时间是: {:.5f}s".format(perf_counter() - start))
我一共测试了4次，数量级分别为100万，500万，800万和1000万。从代码的运行时间就可以看出。计算机模拟执行1000万次只用了5秒多，是人无法触及的，而且我的处理器中等。可想计算机的强大。
再说这四次模拟的最终结果，因为数量级是依次增大，我们可能觉得会越来越精确，可实际上并不如此，通过数据可以发现第二次数量级为500万最接近，值得我们深思。
