Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Python算法实践Week3-循环程序设计

Python算法实践Week3-循环程序设计

作者头像
Hsinyan
发布于 2022-06-19 09:20:18
发布于 2022-06-19 09:20:18
63910
代码可运行
举报
运行总次数:0
代码可运行

0x00 问题引入

  • 问题:输入30个数,输出最大的数
  • 分析
    • 第一个数可能是最大的数,记住它;
    • 对于之后的每一个数,与记住的数字进行比较,如果比记住的数字大,则记住此数;
    • 所有的数字看过之后,输出最大的数;
  • 循环
    • 程序中重复做某事的现象称为循环
      • 例如求1~100的和,求一个班某科成绩的平均分
  • 循环结构(循环条件和循环体)

0x01 while循环

  • 问题:求1+2+3+4+……+100的值
    • 流程图
  • Python语言实现
  1. = 0
  2. = 1
  3. i < 101: sum += i i += 1 print(sum)
  • 问题:求1~n的和,n为任意正整数
  1. = int(input('请输入正整数n:'))
  2. = 0
  3. = 1
  4. i < n+1: sum += i i += 1 print(sum)

0x02 for循环

  • 遍历循环
    • 针对某一数据集合
    • 循环依次访问集合中每一个元素
    • 是一种确定次数的循环
  • for循环语句语法
  • range()函数
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
range(start,end,step)
range()函数创建序列,包括下限,不包括上限
例如
    range(101),范围0~100
    range(1,101),访问1~100
  • 问题:求1~100之间的自然数之和
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sum = 0
for i in range(1,101):
    sum += i
print(sum)
  • 问题:求1~n之间的自然数之和,n为任意正整数
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sum = 0
for i in range(1,101):
    sum += i
print(sum)

0x03 循环嵌套

  • 循环的嵌套
    • 是指在一个循环中嵌套另外一个完整的循环,即循环体中又包含循环语句
    • while循环和for循环可以相互嵌套
    • 循环嵌套的执行过程 一次外循环对应着一次完整的内循环
  • 问题:打印99乘法表
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 打印99乘法表
for i in range(1, 10):  # 控制行
    for j in range(1, i + 1):  # 控制列
        print('{}*{}={}'.format(j, i, i * j), sep='', end='\t')
    print()

0x04 break和continue

  • break用来结束循环
    • 程序从循环后代码继续执行
  • continue用来结束当前当次循环
    • 不再执行循环体中下面尚未定义的语句
    • 但不结束当前循环
  • 问题:求200以内能被17整除的最大正整数
    • 分析:这个查找过程将以递减的形式遍历200~1之间的整数,当找到第一个能被17整除的数时,循环过程立即停止
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 求200以内能被17整除的最大正整数
for i in range(200, 1, -1):
    if i % 17 == 0:
        break
print('200以内能被17整除的最大正整数是{}'.format(i))
  • 问题:求1~100以内所有偶数和
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 求1~100以内所有偶数和
sum = 0
for i in range(1, 101):
    if i % 2 == 0:
        sum += i
    else:
        continue
print(sum)
  • 问题:输出200以内所有的素数,并输出素数的个数
    • 分析:素数是除了1和它本身不能被其他数整除的数字,本题采用双重for循环实现,外层遍历2~200之间所有的整数,内层循环用来判断一个数是否为素数
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 方法1
num = 0
for i in range(2, 200):
    k = True
    for j in range(2, i):
        if(i % j == 0):
            k = False
            break
    if(k==True):
        print(i)
        num += 1
print('200以内的素数有{}个'.format(num))
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 方法2
import math
num = 0
for i in range(2, 200):
    m = int(math.sqrt(i))
    k = True
    for j in range(2, m + 1):
        if(i % j == 0):
            k = False
            break
    if(k):
        print(i)
        num += 1
print('200以内的素数有{}个'.format(num))
  • continue语句和break语句的区别
    • continue只结束本次循环,而不终止整个循环的执行
    • break语句则是结束整个循环过程,不再判断循环的条件是否成立
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
1 条评论
热度
最新
本文作者与下述网址作者 是同一个人吗? https://blog.csdn.net/qq_38534107/article/details/90373999
本文作者与下述网址作者 是同一个人吗? https://blog.csdn.net/qq_38534107/article/details/90373999
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
机器学习实战第1天:鸢尾花分类任务
鸢尾花分类任务是一个经典的机器学习问题,通常用于演示和测试分类算法的性能。该任务的目标是根据鸢尾花的特征将其分为三个不同的品种,即山鸢尾(Setosa)、变色鸢尾(Versicolor)和维吉尼亚鸢尾(Virginica)。这个任务是一个多类别分类问题,其中每个样本都属于三个可能的类别之一。
Nowl
2024/01/18
1.7K0
机器学习实战第1天:鸢尾花分类任务
机器学习之鸢尾花-数据预处理
再次开启机器学习之路,这次选择鸢尾花案例,这个案例数据挺好玩的,可以验证无监督学习和有监督学习,有监督学习可以采用各种分类算法、决策树算法,无监督学习可以采用各种聚类,并基于目标结果进行验证准确性。
python与大数据分析
2022/03/11
1.2K0
机器学习之鸢尾花-数据预处理
seaborn常用的10种数据分析图表
seaborn内置了十几个示例数据集,通过load_dataset函数可以调用。
派大星的数据屋
2022/04/03
6870
seaborn常用的10种数据分析图表
【数据分析可视化】seaborn介绍
存在意义 是matplotlib的扩展封装 简单使用 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline /Users/bennyrhys/opt/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: numpy.ufunc size changed,
瑞新
2020/07/07
5540
【数据分析可视化】seaborn介绍
鸢尾花(Iris)数据集入门
鸢尾花(Iris)数据集是机器学习领域中最经典的数据集之一。它由三种不同品种的鸢尾花的测量数据组成:山鸢尾(setosa)、变色鸢尾(versicolor)和维吉尼亚鸢尾(virginica)。 在这篇文章中,我们将使用Markdown代码格式详细介绍鸢尾花数据集的基本信息以及如何加载和探索这个数据集。
大盘鸡拌面
2023/10/20
2.8K0
我用Python的Seaborn库,绘制了15个超好看图表!
Seaborn是一个基于Python语言的数据可视化库,它能够创建高度吸引人的可视化图表。
小F
2023/08/21
9440
我用Python的Seaborn库,绘制了15个超好看图表!
实验一:鸢尾花数据集分类「建议收藏」
利用机器学习算法构建模型,根据鸢尾花的花萼和花瓣大小,区分鸢尾花的品种。实现一个基础的三分类问题。
全栈程序员站长
2022/08/02
7.8K0
实验一:鸢尾花数据集分类「建议收藏」
python机器学习实现鸢尾花的分类
鸢尾花(学名:Iris tectorum Maxim)属百合目、鸢尾科,可供观赏,花香气淡雅,可以调制香水,其根状茎可作中药,全年可采,具有消炎作用。
用户6719124
2019/11/17
6.3K0
seaborn可视化入门
【小提琴图】其实是【箱线图】与【核密度图】的结合,【箱线图】展示了分位数的位置,【小提琴图】则展示了任意位置的密度,通过【小提琴图】可以知道哪些位置的密度较高。 小提琴图的内部是箱线图(有的图中位数会用白点表示,但归根结底都是箱线图的变化);外部包裹的就是核密度图,某区域图形面积越大,某个值附近分布的概率越大。 通过箱线图,可以查看有关数据的基本分布信息,例如中位数,平均值,四分位数,以及最大值和最小值,但不会显示数据在整个范围内的分布。如果数据的分布有多个峰值(也就是数据分布极其不均匀),那么箱线图就无法展现这一信息,这时候小提琴图的优势就展现出来了!
用户2225445
2022/11/12
9790
seaborn可视化入门
​数据科学中 17 种相似性和相异性度量(上)
本文解释了计算距离的各种方法,并展示了它们在我们日常生活中的实例。限于篇幅,便于阅读,将本文分为上下两篇,希望对你有所帮助。
数据STUDIO
2022/02/18
3.7K0
​数据科学中 17 种相似性和相异性度量(上)
Python自动化办公-玩转图表
提起图表,你一定会想到 Excel 和 PPT 中的条形图、饼状图、柱状图,除此之外,还有很多其他种类的图表,比如折线图、热力图等等。但是,不管你通过哪一种图表,它们都是为了让你能够更直观、更简洁地表达自己的想法,也能让我们更好地从一堆杂乱无章的数字中找出规律。
somenzz
2021/08/19
1K0
基于鸢尾花数据集的逻辑回归分类实践
Logistic回归虽然名字里带“回归”,但是它实际上是一种分类方法,主要用于两分类问题(即输出只有两种,分别代表两个类别),所以利用了Logistic函数(或称为Sigmoid函数),函数形式为:
小小程序员
2023/12/25
5480
基于鸢尾花数据集的逻辑回归分类实践
【机器学习基础】(三):理解逻辑回归及二分类、多分类代码实践
我们把连续的预测值进行人工定义,边界的一边定义为1,另一边定义为0。这样我们就把回归问题转换成了分类问题。
黄博的机器学习圈子
2021/02/08
4.4K0
KNN算法应用
Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据集,分为3类,每类50个数据,每个数据包含4个属性。可通过花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类。
foochane
2019/05/23
7400
KNN算法应用
用Python演绎5种常见可视化视图
如果你想要用Python进行数据分析,就需要在项目初期开始进行探索性的数据分析,这样方便你对数据有一定的了解。其中最直观的就是采用数据可视化技术,这样,数据不仅一目了然,而且更容易被解读。同样在数据分析得到结果之后,我们还需要用到可视化技术,把最终的结果呈现出来。
朱小五
2020/05/06
2K0
决策树DTC数据分析及鸢尾数据集分析
豌豆贴心提醒,本文阅读时间7分钟 今天主要讲述的内容是关于决策树的知识,主要包括以下内容: 1.分类及决策树算法介绍 2.鸢尾花卉数据集介绍 3.决策树实现鸢尾数据集分析 希望这篇文章对你有所帮助,尤其是刚刚接触数据挖掘以及大数据的同学,同时准备尝试以案例为主的方式进行讲解。如果文章中存在不足或错误的地方,还请海涵~ 一. 分类及决策树介绍 1.分类 分类其实是从特定的数据中挖掘模式,作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器,一开始的时候可能什么都不过滤,在日常使用过程中,我人工对于每一封
小小科
2018/05/02
1.8K0
决策树DTC数据分析及鸢尾数据集分析
机器学习之鸢尾花-逻辑回归
逻辑回归模型是一种广泛使用的统计模型,在其基本形式中,使用逻辑函数来模拟二进制 因变量; 存在更复杂的扩展。在回归分析中,逻辑回归是估计逻辑模型的参数; 它是二项式回归的一种形式。在数学上,二元逻辑模型具有一个具有两个可能值的因变量,例如通过/失败,赢/输,活/死或健康/生病; 这些由指示符变量表示,其中两个值标记为“0”和“1”。在逻辑模型中,对数比值(在对数的的可能性),用于标记为“1”的值是一个线性组合的一个或多个自变量(“预测”);自变量可以是二进制变量(两个类,由指示符变量编码)或连续变量(任何实际值)
python与大数据分析
2022/03/11
1.2K0
机器学习之鸢尾花-逻辑回归
Python数据可视化-seaborn Iris鸢尾花数据
首先介绍一下Iris鸢尾花数据集,内容摘自百度百科:Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理。“Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据集,分为3类,每类50个数据,每个数据包含4个属性。可通过花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类”。
拓端
2020/07/28
2.1K0
Python数据可视化-seaborn  Iris鸢尾花数据
数据科学 IPython 笔记本 8.17 使用 Seaborn 的可视化
Matplotlib 据证明是一种非常有用和流行的可视化工具,但即使狂热的用户也会承认它经常会有很多不足之处。有几个对 Matplotlib 的有效的抱怨常常出现:
ApacheCN_飞龙
2022/05/07
1.4K0
数据科学 IPython 笔记本 8.17 使用 Seaborn 的可视化
基于 Python 的数据可视化
来源:bea_tree 英文:kaggle 链接:blog.csdn.net/bea_tree/article/details/50757338 原文采用了kaggle上iris花的数据,数据来源从上面的网址上找噢 如果没有seaborn库 安装方法如下 http://www.ithao123.cn/content-10393533.html 正式开始了~~~ # 首先载入pandas import pandas as pd # 我们将载入seaborn,但是因为载入时会有警告出现,因此先载入w
小莹莹
2018/04/23
1.4K0
基于 Python 的数据可视化
相关推荐
机器学习实战第1天:鸢尾花分类任务
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验