Python-打印杨辉三角(进阶版)

简介: 本文介绍了如何使用Python打印杨辉三角的进阶方法,包括数学原理理解、列表存储数据、算法设计及输出格式控制。通过逐步解析,展示了如何实现用户自定义阶数的对称杨辉三角,并优化输出格式,使结果更加美观。适合编程初学者学习参考。

学的是b站的课,非本人自创代码!
现在来写一篇博客来讲解打印杨辉三角(进阶版)的方法,[如果讲述不清可以私信问哈,如果讲的不好也可以说,毕竟自己还是入门水平]


目录

1.进阶区别

2.关键要点

(1).数学原理理解

(2).使用列表来存储杨辉三角的每一行数据

(3).算法设计

(4).输出格式控制

3.步骤

(1).把n=5换成input函数

(2).整理格式

(3).微调

(4).左右对齐

4.演示

5.关键点

6.总结


1.进阶区别

现在这个代码可以让前面的结果呈对称展开,并且可以自己输入打印的阶数.

2.关键要点

(1).数学原理理解

明确杨辉三角中每个数字的生成规则,即通过上一行的两个数字相加得到当前数字。
理解对称性在杨辉三角中的体现,对称位置的数字相等。

(2).使用列表来存储杨辉三角的每一行数据

列表的灵活性使我们可以方便地进行数据的添加、修改和访问。通过嵌套列表可以构建出整个杨辉三角的结构。

(3).算法设计

设计合适的循环结构来生成杨辉三角的每一行数据。外层循环控制行数,内层循环控制每一行中的数字生成。
利用对称性减少计算量,只需要计算一半的数字,另一半可以通过对称得到。

(4).输出格式控制

调整输出格式,使得打印出的杨辉三角具有良好的对称性和可读性。使用适当的空格进行对齐,使三角形更加美观。

3.步骤

(1).把n=5换成input函数

# 打印杨辉三角
n = int(input("请输入需要的阶数:"))
data = [[1],[1,1])
for i in range(2,n):
    d = [1]
    for j in range(i-1):
        d.append(data[i-1][j] + data[i-1][j+1])
    d.append(1)
    data.append(d)
for i in data:
    for j in i:
        print(j,end="\t")
    print()

(2).整理格式

因为想按照杨辉三角的格式输出,所以在左侧数字1前要留有空格,空格数为n-当前i的数量.

# 打印杨辉三角
n = int(input("请输入需要的阶数:"))
data = [[1], [1, 1]]
for i in range(2, n):
    d = [1]
    for j in range(i - 1):
        d.append(data[i - 1][j] + data[i - 1][j + 1])
    d.append(1)
    data.append(d)
for i in data:
    print(" "*(n-len(i)),end="")
    for j in i:
        print(j, end="\t")
    print()

(3).微调

现在左边的已经工整了,来看右边.右边要对齐的话,可以把j变成一个字符串,将其两端用空格补齐[center函数],这里的参数我们填6,也可以自行更改。别忘了将后面的end改成空格!

# 打印杨辉三角
n = int(input("请输入需要的阶数:"))
data = [[1], [1, 1]]
for i in range(2, n):
    d = [1]
    for j in range(i - 1):
        d.append(data[i - 1][j] + data[i - 1][j + 1])
    d.append(1)
    data.append(d)
for i in data:
    print(" "*(n-len(i)),end="")
    for j in i:
        print(str(j).center(6), end=" ")
    print()

(4).左右对齐

调整代码,现在要使左右对齐,因为center参数为6,所以左边的空格应该为6/2=3,我们将其改为3个空格.

# 打印杨辉三角
n = int(input("请输入需要的阶数:"))
data = [[1], [1, 1]]
for i in range(2, n):
    d = [1]
    for j in range(i - 1):
        d.append(data[i - 1][j] + data[i - 1][j + 1])
    d.append(1)
    data.append(d)
for i in data:
    print("   "*(n-len(i)),end="")
    for j in i:
        print(j, end=" ")
    print()

4.演示

image.png

5.关键点

在实现过程中,关键要点的把握至关重要:
1.深入理解杨辉三角的数学原理,为代码实现提供了理论基础。
2.合理选择数据结构和设计算法,提高了代码的效率和可读性。
3.精心控制输出格式,使得打印出的结果更加美观和易于理解。

6.总结

在讲刚才那些东西的时候呢,说不定有些地方说得没那么清楚、没那么到位呀。要是真有这样的情况,大家可别见怪,多多包涵包涵哈。
在这儿,真的特别感谢大家能抽空来看我分享的这些内容呀,就盼着能在大家学编程的这条路上,稍微帮上那么一点儿小忙呢。希望这篇博客对你有所帮助,让你在Python编程的道路上更进一步。

相关文章
|
14天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
6天前
|
自然语言处理 数据可视化 API
Qwen系列模型+GraphRAG/LightRAG/Kotaemon从0开始构建中医方剂大模型知识图谱问答
本文详细记录了作者在短时间内尝试构建中医药知识图谱的过程,涵盖了GraphRAG、LightRAG和Kotaemon三种图RAG架构的对比与应用。通过实际操作,作者不仅展示了如何利用这些工具构建知识图谱,还指出了每种工具的优势和局限性。尽管初步构建的知识图谱在数据处理、实体识别和关系抽取等方面存在不足,但为后续的优化和改进提供了宝贵的经验和方向。此外,文章强调了知识图谱构建不仅仅是技术问题,还需要深入整合领域知识和满足用户需求,体现了跨学科合作的重要性。
|
1月前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
1月前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
2天前
|
人工智能 容器
三句话开发一个刮刮乐小游戏!暖ta一整个冬天!
本文介绍了如何利用千问开发一款情侣刮刮乐小游戏,通过三步简单指令实现从单个功能到整体框架,再到多端优化的过程,旨在为生活增添乐趣,促进情感交流。在线体验地址已提供,鼓励读者动手尝试,探索编程与AI结合的无限可能。
|
6天前
|
Cloud Native Apache 流计算
PPT合集|Flink Forward Asia 2024 上海站
Apache Flink 年度技术盛会聚焦“回顾过去,展望未来”,涵盖流式湖仓、流批一体、Data+AI 等八大核心议题,近百家厂商参与,深入探讨前沿技术发展。小松鼠为大家整理了 FFA 2024 演讲 PPT ,可在线阅读和下载。
3125 10
PPT合集|Flink Forward Asia 2024 上海站
|
2天前
|
人工智能 自然语言处理 前端开发
从0开始打造一款APP:前端+搭建本机服务,定制暖冬卫衣先到先得
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。
926 12
|
19天前
|
人工智能 自然语言处理 前端开发
100个降噪蓝牙耳机免费领,用通义灵码从 0 开始打造一个完整APP
打开手机,录制下你完成的代码效果,发布到你的社交媒体,前 100 个@玺哥超Carry、@通义灵码的粉丝,可以免费获得一个降噪蓝牙耳机。
5872 16
|
1月前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
|
12天前
|
机器学习/深度学习 人工智能 安全
通义千问开源的QwQ模型,一个会思考的AI,百炼邀您第一时间体验
Qwen团队推出新成员QwQ-32B-Preview,专注于增强AI推理能力。通过深入探索和试验,该模型在数学和编程领域展现了卓越的理解力,但仍在学习和完善中。目前,QwQ-32B-Preview已上线阿里云百炼平台,提供免费体验。