Python循环结构

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。