- images
- results
- .gitignore
- 1.1概论.ipynb
- 1.2 环境配置.pdf
- 1.3数据类型.ipynb
- 1.4 人机交互.ipynb
- 1.5 对象与变量.ipynb
- 1.6 编码与命名规范.ipynb
- 2.1 数值类型.ipynb
- 2.2 数值类型转换.ipynb
- 2.3 数值元算.ipynb
- 2.4常用数学运算函数.ipynb
- 2.5 math 模块及其应用.ipynb
- 2.6.1 逻辑值测试.ipynb
- 2.6.2 成员运算.ipynb
- 2.6.3 比较运算.ipynb
- 2.6.4 布尔运算.ipynb
- 2.6.5 运算优先级.ipynb
- 2.ipynb
- 3.1 流程控制结构.ipynb
- 3.3.1 for 循环语句.ipynb
- 3.3.3 rang.ipynb
- 3.3.3 while 循环语句.ipynb
- 3.4 and 3.5 分支结构和条件.ipynb
- 3.6 and 3.7 .ipynb
- 3.9 异常处理.ipynb
- 4 函数和模块化编程.ipynb
- 4.1 函数的定义、调用与返回值.ipynb
- 4.2 函数的参数传递.ipynb
- 4.3 变量的作用域.ipynb
- 4.4 匿名函数.ipynb
- 4.5 递归.ipynb
- 4.6 内置函数.ipynb
- 4.7 模块化程序设计.ipynb
- 5.1 序列通用操作.ipynb
- 5.1.1 索引.ipynb
- 5.1.2 切片.ipynb
- 5.1.3 序列拼接与重复.ipynb
- 5.1.4 成员测试.ipynb
- 5.2.1 字符串的创建.ipynb
- 5.2.2 字符串常量.ipynb
- 5.2.4 字符串的遍历.ipynb
- 5.2.5 文件遍历.ipynb
- 5.2.6 字符串的处理方法.ipynb
- 5.2.7 字符串格式化.ipynb
- 5.2.8 转义字符.ipynb
- 5.3 random 模块及其应用.ipynb
- 6.1 元组.ipynb
- 6.2 列表.ipynb
- 6.2.1 列表的创建.ipynb
- 6.2.2 列表的更新.ipynb
- 6.2.3 列表的删除.ipynb
- 6.2.4 列表的排序.ipynb
- 6.2.5 列表赋值与复制.ipynb
- 6.2.6 列表推导式.ipynb
- 6.2.8 常用内置函数.ipynb
- 6.2.9 列表嵌套及其排序.ipynb
- 6.3 列表综合应用.ipynb
- 7.1.1 集合的创建.ipynb
- 7.1.2可变集合类型的操作.ipynb
- 7.1.3 成员关系.ipynb
- 7.1.4 集合关系.ipynb
- 7.1.5 集合运算.ipynb
- 7.2.1 字典创建.ipynb
- 7.2.2 获取字典值.ipynb
- 7.2.3 修改字典值.ipynb
- 7.2.4内置函数与方法.ipynb
- 7.2.5字典排序输出.ipynb
- 7.3 集合与字典的应用.ipynb
- 8 中 numpy 概述.ipynb
- 8 中panda 库.ipynb
- 8.1 文件的打开与关闭.ipynb
- 8.2 文件读写操作.ipynb
- 8.3 文件的应用.ipynb
- 8.4 numpy 文件操作.ipynb
- 8.4.2 and 3.ipynb
- 8.5.1 pandas文件读写.ipynb
- 8.5.2 and 3 and 4.ipynb
- 9.1 matplotlib 线性图.ipynb
- 9.1.5 数据文化绘图.ipynb
- 9.2 非线性图.ipynb
- 9.3 词云.ipynb
- _overview.md
- _readme.ipynb
- coding_here.ipynb
- dream.png
- score.txt
- score_total.csv
- 成绩分析综合.json
3.3.1 for 循环语句.ipynb @master — view markup · raw · history · blame
3.3.1 for 循环¶
for循环一般用于__循环次数可确定__的情况下,一般也被称为__遍历循环__。
for 语句可以依据可迭代对象中的__子项__,按他们的顺序进行迭代。
这些可迭代对象包括:__range__、__字符串__、__列表__、__集合__、__字典__和__文件对象__等可迭代数据类型。
for循环基本结构如下:
需要注意,for开头的语句末尾一定是__冒号结尾__,其后面至少有一行语句需要在缩进的语句块中。 缩进语句块中的语句__重复执行__多次,直到for语句遍历完可迭代对象。
程序执行时,从可迭代对象中逐一提取元素,赋值给循环变量,每提取一个元素执行一次语句块中的所有语句,总的__执行次数__由可迭代对象中__元素(项)的个数__确定。
实例 4.4 等差数列前n项和¶
输入一下正整数,计算从1到这个正整数(包括该数本身)的所有整数的和。
range(1,n+1) 可生成1,2,……,n的序列,所以等差数列前n 项和的问题,可以用range实现:
算法描述:
- 先设置一个初值为0的变量
- 遍历由range()产生的整数序列
2.1 每得到一个整数就加到变量上 - 输出变量的值,即为所有整数的和
n = int(input()) # 将输入的字符转成整型,例如输入 100
sum_of_i = 0 # 设累加容器初值为0
for i in range(1, n+1): # 遍历1,2,...n的数列
sum_of_i = sum_of_i + i # 将当前项加到累加容器上,注意此处要缩进,表示循环执行
print(sum_of_i) # 输出累加总和,5050
这个问题也可以直接用sum()函数结合range()函数来实现。将range()函数直接作为sum()函数的参数,可以直接获得range()函数所生成序列中全部元素的和。
例如计算从1到n的加和可以写为以下程序:
n = int(input()) # 将输入的字符转成整型,例如输入 100
print(sum(range(1, n + 1))) # sum()函数可返回序列参数的元素的和,输出 5050
print(sum(range(1, int(input()) + 1))) # sum()函数可返回序列参数的元素的和,输出 5050
改变range()函数中start、stop、step的值,便可以计算不同等差数列中连续n项和了。如:
print(sum(range(1, 100, 2))) # 100以内奇数的和2500
print(sum(range(0, 101, 2))) # 不超过100的偶数的和2550
print(sum(range(0, 101, 5))) # 不超过100的偶数5的整数倍的数的和1050
print(sum(range(50, 80, 5))) # 序列50 55 60 65 70 75的和为375
实例 4.5 计算阶乘¶
一个正整数的阶乘(factorial)是所有小于及等于该数的正整数的积,并且0的阶乘为1,自然数n的阶乘写作n!
range(1,n+1) 可生成1,2,……,n的序列,阶乘是数列前n 项积的问题,可以用range实现:
算法描述:
- 先设置一个初值为1的变量
- 遍历由range()产生的整数序列
2.1 每得到一个整数就乘到变量上 - 输出变量的值,即为所有整数的积,也就是阶乘值
n = int(input()) # 将输入的字符转成整型,例如输入6
fact = 1 # 设阶乘初值为1,n为0时不进入循环,0的阶乘为1
for i in range(1, n + 1): # 遍历1,2,...n的数列
fact = fact * i # 将当前项加到累加容器上
print(fact) # 输出累加总和,720
math库中有一个用于计算阶乘的函数factorial(n),可以调用函数简化程序设计。
import math
print(math.factorial(6)) # factorial() 为计算阶乘的函数,720
实例 4.6 棋盘放米¶
相传古代印度国王要褒赏他的聪明能干的宰相 ,问他需要什么?
宰相回答说:“国王只要在国际象棋的棋盘第一个格子里放1粒麦子,第二个格子里放2粒,第三个格子里放4粒,按此比例以后每一格加1倍,一直放到64格,我就感恩不尽,其他的我什么也不要了。”
请计算一下,共需多少粒麦子?按照普通大米600粒质量为50克计算,问共需麦子约多少亿吨?写出程序。
算法描述:
- 设定累加容器初值为0
- 循环获得每格的序号 i
2.1. 计算当前格的麦粒数,为2的 i 次幂
2.2. 将当前格的麦粒数加到累加容器上 - 输出累加容器中麦粒总数
- 计算重量,换算单位
total = 0 # 米粒总数初值
for i in range(64): # 迭代获取整数序列中的值
t = 2 ** i # 当前格中米粒数为2的i次幂
total = total + t # 累加各格中米粒数
print(total) # 输出米粒总数,18446744073709551615
x = 50/600 # 每粒米的质量,单位为克
total_weight = total * x * 1e-3 * 1e-3 * 1e-8 # 每粒米的质量从克转为千克再转为吨再转为亿吨
print(f'总质量为{total_weight:.2f}亿吨')
# 变量t只用一次,可不定义,直接将当前格米粒数量加上即可,减少不必要的变量定义可使程序更清晰
total = 0 # 米粒总数初值
for i in range(64): # 迭代获取整数序列中的值
total = total + 2 ** i # 当前格中米粒数为2的i次幂加到当前总数上
print(total) # 输出米粒总数,18446744073709551615
# 列表推导式方法,第6章学习
print(sum([2 ** i for i in range(64)]))
实例4.7 拉马努金法计算圆周率¶
前面提到的Leibniz公式计算圆周率的方法存在收敛慢的问题。拉马努金曾经提出过很多收敛速度极快的求π的公式,比如这个拉马努金在1914年发布的以他自己名字命名的著名公式可用于计算圆周率。

公式中的希腊字母∑,英文译音是Sigma, 表示数学中的求和号,主要用于求多项数之和,公式展开可以表示为k从0到n时各项的累加,可以用循环实现。这个公式收敛速度极快,累加3次时,就可以达到math.pi相同的精度。
from math import factorial # 导入math库中的factorial函数 用于计算阶乘
n = int(input()) # 输入正整数表示累加项数,例如输出3
result = 0 # 累加初值为0
for k in range(n): # 重复执行n次累加
result = result + factorial(4 * k) * (1103 + 26390 * k) / (factorial(k) ** 4 * 396 ** (4 * k))
pi = 1 / (result*2 * 2 ** 0.5 / 9801) # 累加结果取倒数为圆周率值
print(pi) # 输出圆周率值,输出3.141592653589793
for循环可以多重嵌套使用,每增加一层循环多一层缩进,最内层循环体内的语句执行的次数为各重循环次数相乘。
如果循环语句的循环体中又出现循环语句,就构成多重循环结构。
for和while都支持多重循环,且可以混用。
一般常用的有二重循环和三重循环。循环层数越多,运行时间越长,程序越复杂,__最内层__程序语句执行的次数是__各层循环次数的乘积__。
枚举法¶
实例 4.8 百钱买百鸡¶
我国古代数学家张丘建在《算经》一书中提出的“百钱买百鸡”的数学问题,题目意思是1只公鸡5文钱、1只母鸡3文钱、3只小鸡1文钱。计算并输出有几组可能的解?

若用数学方法求解,3个未知量,只能列2个方程,不能直接求解。
在计算机领域,这个问题可以用__枚举算法__求解,枚举算法的思想是:
将问题的所有可能的答案一一列举,然后根据条件判断此答案是否合适,保留合适的,舍弃不合适的。
我们先用一个规模较小的问题为例。日常用的皮箱的经常是三位的密码锁,当忘记密码时,可以采用逐位猜测的方法试出来密码,我们知道,3个数字的全部组合只有1000个,所以我们试1000次一定可以找到密码。

具体操作方法:
- 1.先固定第1位为0
- b. 第2位设0
- ⅰ. 第3位从0试到9
- c. 重复b并依次设1-9
- b. 第2位设0
- 2.重复1并依次设第1位为1-9
import random # 导入随机数模块
keys = random.randint(100, 999) # 随机产生一个三位整数
print(keys) # 查看当前生成的随机数,每次结果不同,此处若密码为651
for i in range(10): # 猜测百位上的数字
for j in range(10): # 猜测十位上的数字
for k in range(10): # 猜测个位上的数字
# 三个数字拼接为一个三位整数,若此三位数与随机产生的相同,则找到密码
if i * 100 + j * 10 + k == keys:
print(f'密码是{i}{j}{k}') # 密码是651
参考找回密码的程序,将问题规模扩大,遍历公鸡、母鸡和小鸡的数量都从1到100,一定可以找到所有正确的解。
%%timeit
for cock in range(1, 101): # 公鸡数量不为0且小于或等于100
for hen in range(1, 101): # 母鸡数量不为0且小于或等于100
for chicken in range(1, 101): # 小鸡数量大于0小于等于100且是3的倍数
# 鸡的总数为100,钱的总数为100
if cock + hen + chicken == 100 and 5 * cock + 3 * hen + chicken // 3 == 100 and chicken % 3 ==0 :
print(f'公鸡{cock}只,母鸡{hen}只,小鸡{chicken}只') # 遇到满足条件的数字组合就输出
# 57.4 ms ± 3 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
这是一个三重循环,最内层循环中的if语句的执行次数约为:100 100 100 = 100万次,这是一个很大的数字,计算时间开销也很大,算法的效率不高。 我们可以用“剪枝”这个方法,剪枝的思想就是__剪掉不可能出现的情况,避免计算机多余的运算__。
我们可以用range(3, 101, 3)产生3的整数倍的数列,小鸡数量是3的倍数,所以可取的值一定在这个数列中。
%%timeit
# 100 * 100 * 33 = 33万次
for cock in range(1, 101): # 公鸡数量不为0且小于或等于100
for hen in range(1, 101): # 母鸡数量不为0且小于或等于100
for chicken in range(3, 101, 3): # 小鸡数量大于0小于等于100且是3的倍数
# 鸡的总数为100,钱的总数为100
if cock + hen + chicken == 100 and 5 * cock + 3 * hen + chicken // 3 == 100:
print(f'公鸡{cock}只,母鸡{hen}只,小鸡{chicken}只') # 遇到满足条件的数字组合就输出
# 20.7 ms ± 626 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
实际上当公鸡和母鸡数量x, y 确定的情况下,小鸡的数量 z 可由100 – x - y计算,并不需要用循环进行遍历。可将其用两重循环实现求解,此时,最大循环次数为10000次,效率提高33倍。
# %%timeit
# 100 * 100 = 1万次
for cock in range(1, 101): # 公鸡数量不为0且小于或等于100
for hen in range(1, 101): # 母鸡数量不为0且小于或等于100
chicken = 100 - cock - hen # 小鸡数量可由公鸡和母鸡数量计算得到
if chicken % 3 == 0 and 5 * cock + 3 * hen + chicken // 3 == 100:
print(f'公鸡{cock}只,母鸡{hen}只,小鸡{chicken}只') # 遇到满足条件的数字组合就输出
# 1.35 ms ± 41.5 µs per loop (mean ± std. dev. of 7 runs, 1,000 loops each)
由于要求每种鸡数量都不能为0,所以公鸡最多只能买19只,母鸡最多只能买32只,这样继续裁剪,减少外面两层循环的次数:
%%timeit
# 19 * 32 = 608次
for cock in range(1, 20): # 公鸡数量不超过20
for hen in range(1, 33): # 母鸡数量不超过33
chicken = 100 - cock - hen # 小鸡数量可由公鸡和母鸡数量计算得到
if chicken % 3 == 0 and 5 * cock + 3 * hen + chicken // 3 == 100:
print(f'公鸡{cock}只,母鸡{hen}只,小鸡{chicken}只') # 遇到满足条件的数字组合就输出
# 88.7 µs ± 5.1 µs per loop (mean ± std. dev. of 7 runs, 10,000 loops each)
从结果中可以发现这样的一个规律:
公鸡是4的倍数,母鸡是7的递减率,小鸡是3的递增率,为了确认这一规律,数学上推导一下这个不定方程:
x + y + z = 100
5x + 3y + z/3 = 100
消去z可得:7x + 4y = 100
由此可得:
y = 25 - (7/4)x
z = 75 + (3/4)x
因为0 < y < 100,且是自然数,则可得知 x 必为4的整数倍的正整数才能保证y 和 z 都是整数;
x 最大值必小于16 才能保证y 值为正数。
所以x值只能取4、8、12。这样只循环3次就可以找到所有可能的解。
可以继续优化代码提高效率:
%%timeit
for cock in range(4, 16, 4): # cock 初值为4,小于16,步长为4
hen = 25 - cock // 4 * 7 # 整除“//”符号保证运算结果仍为整数
chicken = 75 + cock // 4 * 3
print(f'公鸡{cock}只,母鸡{hen}只,小鸡{chicken}只') # 遇到满足条件的数字组合就输出
# 15.9 µs ± 518 ns per loop (mean ± std. dev. of 7 runs, 100,000 loops each)
尽可能减少循环嵌套的层数,让代码趋于__扁平__,使逻辑更简单,更容易阅读、理解和维护代码。需多重循环求解时,可以将内层循环的功能定义成__函数__,将二重循环转换为两个一重循环,使代码逻辑更清晰。
迭代法¶
迭代法也称辗转法,是一种不断用变量的旧值递推新值的过程,跟迭代法相对应的是直接法(或者称为一次解法),即一次性解决问题。 迭代算法是用计算机解决问题的一种基本方法,它利用计算机运算速度快、适合做重复性操作的特点,让计算机对一组指令(或一定步骤)进行重复执行,在每次执行这组指令(或这些步骤)时,都从变量的原值推出它的一个新值,迭代法又分为精确迭代和近似迭代。 比较典型的迭代法如“二分法”和"牛顿迭代法”属于近似迭代法。
兔子繁殖问题¶
兔子从出生后第3个月起每个月都会生一对兔子,小兔子成长到第三个月后每个月又会生一对兔子。初始有一对小兔子,假如兔子都不死,用户输入一个月份数,计算并在一行内输出从1到n月每个月的兔子数量。
各月的兔子数量形成的数列是:
1,1,2,3,5,8,13,……
斐波那契数列以如下被以递推的方法定义:
F(1)=1
F(2)=1
F(n)=F(n - 1)+F(n - 2)(n ≥ 3,n ∈ N*)
计算a,b指向数据的和作为新的一项,同时将变量b指向新产生的数据项,将变量a指向倒数第二项,也就是原来变量b指向的那个数据,这个操作可以用同步赋值语句a,b=b,a+b实现。

n = int(input()) # int()将input()接收的字符串转整数,例如输入12
a, b = 1, 1 # 设定数列前两项的初值
for i in range(n): # i 只用于控制循环次数,n值为12
print(a, end=' ') # 每次循环输出一个值,不换行
a, b = b, a + b # 迭代,b的值赋给a,把a,b的和赋值给b
# 1 1 2 3 5 8 13 21 34 55 89 144
迭代法开平方¶
求平方根的迭代公式:
x1=1/2*(x0+a/x0)
算法:
1.先自定一个初值x0,作为a的平方根值,在我们的程序中取a/2作为x0的初值;利用迭代公式求出一个x1。此值与真正的a的平方根值相比,误差很大。
2.把新求得的x1代入x0中,准备用此新的x0再去求出一个新的x1.
3.利用迭代公式再求出一个新的x1的值,也就是用新的x0又求出一个新的平方根值x1,此值将更趋近于真正的平方根值。
4.比较前后两次求得的平方根值x0和x1
4.1 如果它们的差值小于我们指定的值,即达到我们要求的精度,则认为x1就是a的平方根值,去执行步骤5;
4.2 否则执行步骤2,即循环进行迭代。
import math
x = int(input()) # 输入整数
x0 = x / 2 # 初值
x1 = (x0 + x / x0) / 2 # 迭代公式
while True: # 迭代精度
x0 = x1
x1 = (x0 + x / x0) / 2
if abs(x0 - x1) < 1e-5:
break
print(x1) # 2.23606797749979
print(math.sqrt(x)) # 2.23606797749979
牛顿迭代法¶
牛顿迭代法解下列方程的解:
$$ x ^ 4 - 3 * x ^ 3 + 1.5 * x ^ 2 + -4 = 0 $$
牛顿迭代法是一种可以用来快速求解函数零点的方法,关键问题:切线是曲线的线性逼近。 牛顿迭代法的本质是借助泰勒级数,从初始值开始快速向零点逼近。 在经过多次迭代后,我们就可以得到一个距离零点非常接近的交点。
# 定义初始值和参数
x0 = 0.2
max_iter = 50
tol = 1e-5
# 开始迭代
for i in range(max_iter):
# 计算f(x)和f'(x)
fx = x0 ** 4 - 3 * x0 ** 3 + 1.5 * x0 ** 2 + -4
fx_first_order = 4 * x0 ** 3 - 9 * x0 ** 2 + 3 * x0
# 计算新的x值
x = x0 - fx / fx_first_order
# 检查是否满足精度要求
if abs(x - x0) < tol:
print(f'经{i}次迭代,估计参数值是{x}')
break
# 更新x0
x0 = x
else:
print('达到最大迭代次数,无法收敛')
def f(x):
"""f的方程"""
return x ** 4 - 3 * x ** 3 + 1.5 * x ** 2 + -4
def f_first_order(x):
"""f的一阶导数"""
return 4 * x ** 3 - 9 * x ** 2 + 3 * x
def get_root(x0, max_iter=50, tol=1e-5):
"""将初始值浮点化"""
p0 = 0.2 # 初始化迭代值
for i in range(max_iter):
p = p0 - f(p0) / f_first_order(p0) # f的一阶导数不能为0
if abs(p - p0) < tol: # 如果小于精度值则退出迭代
return f'经{i}次迭代,估计参数值是{p}'
p0 = p
print('达到最大迭代次数,无法收敛')
if __name__ == '__main__':
print(get_root(0)) # 经12次迭代,估计参数值是2.648936536182061
蒙特卡洛模拟¶
蒙特卡洛(Monte Carlo)方法是由数学家冯·诺伊曼提出的,诞生于上世纪40年代美国的“曼哈顿计划”。蒙特卡洛是一个地名,位于赌城摩纳哥,象征概率。蒙特卡洛方法的原理是通过大量随机样本,去了解一个系统,进而得到所要计算的值。
蒙特卡洛法计算圆周率¶
用蒙特卡洛方法计算圆周率π的原理如下:一个边长为2r的正方形内部相切一个半径为r的圆,圆的面积是πr2,正方形的面积为4r2,二者面积之比是π/4,因为比值与r大小无关,所以可以假设半径 r的值为1。

在这个正方形内部,随机产生n个点,坐标为(x,y),当随机点较多时,可以认为这些点服从均匀分布的规律。计算每个点与中心点的距离是否大于圆的半径(x2+y2>r2),以此判断是否落在圆的内部。统计圆内的点数c,c与n的比值乘以4,就是π的值。理论上,n越大,计算的π值越准,但由于随机数不能保证完全均匀分布,所以蒙特卡洛法每次计算结果可能不同。 编程实现用蒙特卡洛方法计算π值,为了自动测评的需要,请先读入一个正整数sd作为随机数种子,并要求使用 x,y = random.uniform(-1,1) , random.uniform(-1,1) 语句来生成随机点的坐标值。
import random
# 输入正整数,表示产生点数量
times = int(input())
# 计数器,落在圆内的点数,初值为0
hits = 0
for i in range(times):
x, y = random.uniform(-1, 1), random.uniform(-1, 1)
# 计算坐标(x,y)到原点的距离,小于半径则在圆内
if x**2 + y**2 < 1:
hits += 1
# 计算并输出圆周率值,浮点数
pi = (hits / times) * 4
print(pi)
蒙特卡洛法计算百钱百鸡问题¶
import random
def monte_carlo_cock(num):
answer = []
for i in range(num):
hen = random.randint(1, 20)
cock = random.randint(1, 33)
chicken = 100 - cock - hen
if chicken % 3 == 0 and 5 * cock + 3 * hen + chicken // 3 == 100 :
group = [cock, hen, chicken]
if group not in answer:
answer.append(group)
return answer
if __name__ == '__main__':
result = monte_carlo_cock(10000)
for x in result:
print('公鸡{}只,母鸡{}只,小鸡{}只'.format(*x))
实例 4.9 圆周率查询统计¶
数据文件下载: 3200wpi.txt
圆周率日是一年一度的庆祝数学常数π的节日,时间被定在3月14日。通常是在下午1时59分庆祝,以象征圆周率的六位近似值3.14159,有时甚至精确到26秒,以象征圆周率的八位近似值3.1415926;习惯24小时记时的人在凌晨1时59分或者下午3时9分(15时9分)庆祝。全球各地的一些大学数学系在这天举办派对。
由于圆周率小数位是无限的,那么,这里面会不会出现任意的数字组合呢?我们的生日、密码之类的数字能不能在圆周率中找到呢?
事实上,较短的数字组合很容易在圆周率中找到,而且还会重复出现多次,例如,000000第一次出现在1,699,927位,第二次出现在2,328,783位。123456首次出现于第2,458,885位,第二次出现于第3,735,793位。任意的6位数字组合,都出现在圆周率小数位的前1500万。
据说圆周率中能找到所有人生日、银行卡密码和手机号,尝试一下,看你的生日或手机号在圆周率前3000万位中是否存在?
birthdate = input() # 输入自己的生日或其他字符串
n = len(birthdate) # 获取输入的字符串的位数
pi = open('/data/bigfiles/3200wpi.txt').read() # 读取文件中的圆周率为字符串
# print(len(pi)) # 去掉注释可输出文件中圆周率位数
for i in range(len(pi)): # 逐个遍历圆周率中的字符序号
if birthdate == pi[i: i + n]: # 如果从当前字符向后的n个字符构成的字符串与输入的字符串相同
print(i, i + n) # 输出这个字符串的起止位置序号
# print(pi[:i + n]) # 输出到匹配字符串为止的圆周率,此语句在本地运行,不要在平台上运行
# break # 若去掉注释,匹配到一个就终止循环
输入:
5201314
输出:
2823258 2823265
25808025 25808032
26170648 26170655
输入
13297966265
输出:
22822747 22822758
a, b, c, d, e = 0, 0, 0, 0, 0 # 累加器清0
pi = open('/data/bigfiles/3200wpi.txt').read() # 读取文件中的圆周率为字符串
for i in pi: # 逐个遍历圆周率中的字符序号
if i == '0':
a = a + 1
elif i == '1':
b = b + 1
elif i == '2':
c = c + 1
elif i == '3':
d = d + 1
elif i == '4':
e = e + 1
# 分别统计输出0,1,2,3,4的数量
print(a, b, c, d, e)
# 3355091 3355566 3356627 3355076 3357258
读文件统计成绩平均值¶
fr = open('images/ch3/his.txt') # 打开文件,创建一个可遍历的文件对象
total_score = 0 # 总成绩置0
count = 0 # 计数器置0
for score in fr: # 遍历文件,每次取到文件中的一行,字符串类型
total_score = total_score + float(score) # 字符串的成绩转数值类型,加到总成绩上
count = count + 1 # 成绩数量计数
avg_score = total_score / count # 计算平均成绩
print(avg_score)
print(f'{avg_score:.2f}') # 格式化输出