master
/ 3.3.1 for 循环语句.ipynb

3.3.1 for 循环语句.ipynb @masterview markup · raw · history · blame

Notebook

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____文件对象__等可迭代数据类型。
for循环基本结构如下:

for 循环变量 in 可迭代对象: 语句块 语句块 语句块 语句块 语句块

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:

  1. 先设置一个初值为0的变量
  2. 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
  3. 输出变量的值,即为所有整数的和
In [ ]:
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:

In [ ]:
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
In [ ]:
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:

In [ ]:
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:

  1. 先设置一个初值为1的变量
  2. 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
  3. 输出变量的值,即为所有整数的积,也就是阶乘值
In [ ]:
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。

In [ ]:
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:

  1. 设定累加容器初值为0
  2. 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
  3. 输出累加容器中麦粒总数
  4. 计算重量,换算单位
In [ ]:
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')
In [ ]:
# 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
In [ ]:
# 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。

In [ ]:
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。

基本思路如下: (1)确定枚举对象、范围和判定条件。 (2)逐一枚举可能的解并验证每个解是否是问题的解。 算法步骤: (1)确定解题的可能范围,不能遗漏任何一个真正解,同时避免重复。 (2)判定是否是真正解的方法。 (3)为了提高解决问题的效率,使可能解的范围将至最小

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
  • 2.重复1并依次设第1位为1-9
算法: 1.第1位数遍历从0到9的数字 2.第2位数遍历从0到9的数字 3.第3位数遍历从0到9的数字 4.比较当前的三位数是否与密码相同,若相同 5.输出当前三位数
In [ ]:
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。

python中的timeit()方法, 它用于获取代码的执行时间。该库将代码语句运行一百万次,并提供从集合中花费的最短时间。
In [ ]:
%%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。

In [ ]:
%%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。

python中的timeit()方法用于获取代码的执行时间。该库将代码语句运行一百万次,并提供从集合中花费的最短时间。
In [ ]:
# %%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:

In [ ]:
%%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:

In [ ]:
%%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。

In [ ]:
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。

In [ ]:
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。

In [ ]:
# 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')
In [ ]:
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。

In [ ]:
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

In [ ]:
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?

In [ ]:
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
In [ ]:
输入
5201314
输出
2823258 2823265
25808025 25808032
26170648 26170655

输入
13297966265
输出
22822747 22822758
In [ ]:
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

In [ ]:
 
In [ ]:
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

    
In [ ]: