Mari kita bercakap tentang idea pengaturcaraan python

Artikel ini membawakan anda pengetahuan yang berkaitan tentang python, yang terutamanya mengatur isu yang berkaitan dengan idea pengaturcaraan Python ialah bahasa penskripan berorientasikan objek (Pengaturcaraan Berorientasikan Objek) Teras pemikiran pengaturcaraan adalah untuk memahami logik berfungsi. Mari kita lihat.

Pembelajaran yang disyorkan: tutorial video python

Python ialah berorientasikan objek oop (Pengaturcaraan Berorientasikan Objek) bahasa skrip.

Berorientasikan objek ialah kaedah yang menggunakan konsep objek (entiti) untuk membina model dan mensimulasikan dunia objektif untuk menganalisis, mereka bentuk dan melaksanakan perisian.

Dalam pengaturcaraan berorientasikan objek, objek mengandungi dua makna, satu daripadanya ialah data dan satu lagi ialah tindakan. Pendekatan berorientasikan objek menggabungkan data dan kaedah menjadi satu keseluruhan dan kemudian memodelkannya secara sistematik.

Inti pemikiran pengaturcaraan python adalah untuk memahami logik berfungsi Jika anda tidak memahami logik menyelesaikan masalah, maka kod anda akan melakukannya kelihatan seperti Ia sangat mengelirukan dan sukar dibaca, jadi apabila logiknya jelas dan fungsinya diprogramkan secara sistematik mengikut modul, reka bentuk kod anda pasti akan menjadi cantik! ! !

1 Corak pengaturcaraan asas

Sebarang pengaturcaraan termasuk IPO, yang mewakili yang berikut:

• I: Input input , input bagi program

• P: Pemprosesan proses, proses logik utama program

• O: Output, output program

Jadi jika anda ingin melaksanakan fungsi tertentu melalui komputer, maka corak pengaturcaraan asas terdiri daripada tiga bahagian, seperti berikut:

• Tentukan IPO: jelaskan input dan output fungsi yang perlu dilaksanakan, serta proses logik pelaksanaan utama; : menjalankan proses logik pengiraan dan penyelesaian melalui bahasa pengaturcaraan Paparan reka bentuk; logik yang betul.

• 2 Kaedah berkesan untuk menyelesaikan masalah yang kompleks: atas ke bawah (reka bentuk)

• 2.1 Atas ke bawah - bahagi dan takluk

atas-bawah

. Ringkasannya adalah seperti berikut:

Nyatakan masalah umum ke dalam bentuk yang terdiri daripada beberapa masalah kecilGunakan kaedah yang sama untuk menguraikan lagi masalah kecil

Sehingga, masalah kecil boleh Komputer penyelesaian mudah dan jelas2.2 Contoh 1: Analisis pertandingan sukan

2.2.1 Rangka kerja keseluruhan program
• printlnfo() Langkah 1: Cetak maklumat pengenalan program
• getlnputs() Langkah 2: Dapatkan parameter berjalan program: proA, proB, n
simNGames() Langkah 3: Gunakan nilai keupayaan pemain A dan B untuk mensimulasikan n permainan.                                                                                                                                                                                                                                                                                                                                             

2.2.3 Keputusan ujian

2.3 Contoh 2: Defei Pendekatan atas ke bawah untuk jujukan Bonacci

sebenarnya

menggunakan rekursif untuk menyelesaikan sub-masalah Penyelesaian terakhir hanya memerlukan memanggil formula rekursif , sub-masalah diselesaikan secara rekursif ke peringkat yang lebih rendah.

# 导入python资源包
from random import random
 
# 用户体验模块 
def printIntro():
    print("这个程序模拟两个选手A和B的某种竞技比赛")
    print("程序运行需要A和B的能力值（以0到1之间的小数表示）")
 
# 获得A和B的能力值与场次模块 
def getIntputs():
    a = eval(input("请输入A的能力值（0-1）："))
    b = eval(input("请输入B的能力值（0-1）："))
    n = eval(input("模拟比赛的场次："))
    return a, b, n
 
# 模拟n局比赛模块 
def simNGames(n, probA, probB):
    winsA, winsB = 0, 0
    for i in range(n):
        scoreA, scoreB = simOneGame(probA, probB)
        if scoreA > scoreB:
            winsA += 1
        else:
            winsB += 1
    return winsA, winsB
 
# 判断比赛结束条件 
def gameOver(a, b):
    return a == 15 or b == 15
 
# 模拟n次单局比赛=模拟n局比赛 
def simOneGame(probA, probB):
    scoreA, scoreB = 0, 0
    serving = "A"
    while not gameOver(scoreA, scoreB):
        if serving == "A":
            if random() < probA:
                scoreA += 1
            else:
                serving = "B"
        else:
            if random() < probB:
                scoreB += 1
            else:
                serving = "A"
    return scoreA, scoreB
 
# 打印结果模块 
def printSummary(winsA, winsB):
    n = winsA + winsB
    print("竞技分析开始，共模拟{}场比赛".format(n))
    print("选手A获胜{}场比赛，占比{:0.1%}".format(winsA, winsA / n))
    print("选手B获胜{}场比赛，占比{:0.1%}".format(winsB, winsB / n))
 
 
def main():
    printIntro()    
    probA, probB, n = getIntputs()                # 获得用户A、B能力值与比赛场次N
    winsA, winsB = simNGames(n, probA, probB)     # 获得A与B的场次
    printSummary(winsA, winsB)                    # 返回A与B的结果
 
 
main()

Pengaturcaraan:

Hasil larian:

Fahami pemikiran reka bentuk atas ke bawah: bahagikan dan takluk

3 Kaedah ujian yang berkesan untuk membina sistem kompleks secara beransur-ansur: bawah ke atas (pelaksanaan) 3.1 Bottom-up - Integrasi Modular

cache = {}

def fib(number):
    if number in cache:
        return cache[number]
    if number == 0 or number == 1:
        return 1
    else:
        cache[number] = fib(number - 1) + fib(number - 2)
    return cache[number]

if __name__ == '__main__':
    print(fib(35))

自底向上（执行）就是一种逐步组建复杂系统的有效测试方法。首先将需要解决的问题分为各个三元进行测试，接着按照自顶向下相反的路径进行操作，然后对各个单元进行逐步组装，直至系统各部分以组装的思路都经过测试和验证。

理解自底向上的执行思维：模块化集成

自底向上分析思想：

• 任何时候栈中符号串和剩余符号串组成一个句型，当句柄出现在栈顶符号串中时，就用该句柄进行归约，这样一直归约到输入串只剩结束符、栈中符号只剩下开始符号，此时认为输入符号串是文法的句子，否则报错。

自底向上是⼀种求解动态规划问题的方法，它不使用递归式，而是直接使用循环来计算所有可能的结果，往上层逐渐累加子问题的解。在求解子问题的最优解的同时，也相当于是在求解整个问题的最优解。其中最难的部分是找到求解最终问题的递归关系式，或者说状态转移方程。

3.2 举例：0-1背包问题

3.2.1 问题描述

你现在想买⼀大堆算法书，有一个容量为 V 的背包，这个商店⼀共有 n 个商品。问题在于，你最多只能拿 W kg 的东西，其中 wi 和 vi 分别表示第 i 个商品的重量和价值。最终的目标就是在能拿的下的情况下，获得最大价值，求解哪些物品可以放进背包。

对于每⼀个商品你有两个选择：拿或者不拿。

3.2.2 自底向上分析

⾸先要做的就是要找到“子问题”是什么。通过分析发现：每次背包新装进⼀个物品就可以把剩余的承重能力作为⼀个新的背包来求解，⼀直递推到承重为0的背包问题。

用 m[i,w] 表示偷到商品的总价值，其中 i 表示⼀共多少个商品，w 表示总重量，所以求解 m[i,w]就是子问题，那么看到某⼀个商品i的时候，如何决定是不是要装进背包，需要考虑以下：

• 该物品的重量大于背包的总重量，不考虑，换下⼀个商品；
• 该商品的重量小于背包的总重量，那么尝试把它装进去，如果装不下就把其他东西换出来，看看装进去后的总价值是不是更高了，否则还是按照之前的装法；
• 极端情况，所有的物品都装不下或者背包的承重能力为0，那么总价值都是0；

由以上的分析，可以得出m[i,w]的状态转移方程为：

m[i,w] = max{m[i-1,w], m[i-1,w-wi]+vi}

3.2.3 程序设计

# 循环的⽅式，自底向上求解
cache = {}
items = range(1,9)
weights = [10,1,5,9,10,7,3,12,5]
values = [10,20,30,15,40,6,9,12,18]
# 最⼤承重能⼒
W = 4

def knapsack():
    for w in range(W+1):
        cache[get_key(0,w)] = 0
    for i in items:
        cache[get_key(i,0)] = 0
        for w in range(W+1):
            if w >= weights[i]:
                if cache[get_key(i-1,w-weights[i])] + values[i] > cache[get_key(i-1,w)]:
                    cache[get_key(i,w)] = values[i] + cache[get_key(i-1,w-weights[i])]
                else:
                    cache[get_key(i,w)] = cache[get_key(i-1,w)]
            else:
                cache[get_key(i,w)] = cache[get_key(i-1,w)]
    return cache[get_key(8,W)]

def get_key(i,w):
    return str(i)+','+str(w)

if __name__ == '__main__':
    # 背包把所有东西都能装进去做假设开始
    print(knapsack())

29
>>>

推荐学习：python

Atas ialah kandungan terperinci Mari kita bercakap tentang idea pengaturcaraan python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!