0 Python編程思想

Python是一種面向?qū)ο?span style="box-sizing: border-box;outline: 0px;user-select: auto !important;font-weight: 700;overflow-wrap: break-word;">oop(Object Oriented Programming)的腳本語言。

面向?qū)ο笫遣捎没趯ο螅▽嶓w）的概念建立模型，模擬客觀世界分析、設(shè)計、實現(xiàn)軟件的辦法。

在面向?qū)ο蟪绦蛟O(shè)計中，對象包含兩個含義，其中一個是數(shù)據(jù)，另外一個是動作。面向?qū)ο蟮姆椒ò褦?shù)據(jù)和方法組合成一個整體，然后對其進行系統(tǒng)建模。

python編程思想的核心就是理解功能邏輯，如果對解決一個問題的邏輯沒有搞清楚，那么你的代碼看起來就會非常的紊亂，讀起來非常的拗口，所以一旦邏輯清晰，按照模塊對功能進行系統(tǒng)編程，那么你的代碼設(shè)計肯定是漂亮的！！！

1 基本的程序設(shè)計模式

任何的程序設(shè)計都包含IPO，它們分別代表如下：

I：Input 輸入，程序的輸入
P：Process 處理，程序的主要邏輯過程
O：Output 輸出，程序的輸出

因此如果想要通過計算機實現(xiàn)某個功能，那么基本的程序設(shè)計模式包含三個部分，如下：

確定IPO：明確需要實現(xiàn)功能的輸入和輸出，以及主要的實現(xiàn)邏輯過程；
編寫程序：將計算求解的邏輯過程通過編程語言進行設(shè)計展示；
調(diào)試程序：對編寫的程序按照邏輯過程進行調(diào)試，確保程序按照正確邏輯正確運行。

2?解決復雜問題的有效方法：自頂向下（設(shè)計）

2.1?自頂向下-分而治之

如果要實現(xiàn)功能的邏輯比較復雜的時候，就需要對其進行模塊化設(shè)計，將復雜問題進行分解，轉(zhuǎn)化為多個簡單問題，其中簡單問題又可以繼續(xù)分解為更加簡單的問題，直到功能邏輯可以通過模塊程序設(shè)計實現(xiàn)，這也是程序設(shè)計的自頂向下特點。總結(jié)如下：

將一個總問題表達為若干個小問題組成的形式
使用同樣方法進一步分解小問題
直至，小問題可以用計算機簡單明了的解決

2.2 舉例1：體育競技分析

2.2.1 程序總體框架

printlnfo()?? ??? ??? ??? ?步驟1:打印程序的介紹性信息 ? ? ? ? ? ??? ??? ?
getlnputs()?? ??? ??? ???步驟2:獲得程序運行參數(shù)：proA, proB, n ?? ??? ?
simNGames()?? ??? ??步驟3:利用球員A和B的能力值，模擬n局比賽 ?? ??? ?
printSummary()?? ???步驟4:輸出球員A和B獲勝比賽的場次及概率?? ??? ?

2.2.2 程序設(shè)計

# 導入python資源包from random import random # 用戶體驗模塊 def printIntro():    print("這個程序模擬兩個選手A和B的某種競技比賽")    print("程序運行需要A和B的能力值（以0到1之間的小數(shù)表示）") # 獲得A和B的能力值與場次模塊 def getIntputs():    a = eval(input("請輸入A的能力值（0-1）："))    b = eval(input("請輸入B的能力值（0-1）："))    n = eval(input("模擬比賽的場次："))    return a, b, n # 模擬n局比賽模塊 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 # 判斷比賽結(jié)束條件 def gameOver(a, b):    return a == 15 or b == 15 # 模擬n次單局比賽=模擬n局比賽 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 # 打印結(jié)果模塊 def printSummary(winsA, winsB):    n = winsA + winsB    print("競技分析開始，共模擬{}場比賽".format(n))    print("選手A獲勝{}場比賽，占比{:0.1%}".format(winsA, winsA / n))    print("選手B獲勝{}場比賽，占比{:0.1%}".format(winsB, winsB / n))  def main():    printIntro()        probA, probB, n = getIntputs()                # 獲得用戶A、B能力值與比賽場次N    winsA, winsB = simNGames(n, probA, probB)     # 獲得A與B的場次    printSummary(winsA, winsB)                    # 返回A與B的結(jié)果  main()

2.2.3 測試結(jié)果

2.3 舉例2：的斐波那契數(shù)列

自頂向下的方式其實就是使用遞歸來求解子問題，最終解只需要調(diào)用遞歸式，子問題逐步往下層遞歸的求解。

程序設(shè)計：

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))

運行結(jié)果：

14930352>>>

理解自頂向下的設(shè)計思維：分而治之

3 逐步組建復雜系統(tǒng)的有效測試方法：自底向上（執(zhí)行）

3.1?自底向上-模塊化集成

自底向上（執(zhí)行）就是一種逐步組建復雜系統(tǒng)的有效測試方法。首先將需要解決的問題分為各個三元進行測試，接著按照自頂向下相反的路徑進行操作，然后對各個單元進行逐步組裝，直至系統(tǒng)各部分以組裝的思路都經(jīng)過測試和驗證。

理解自底向上的執(zhí)行思維：模塊化集成

自底向上分析思想：

任何時候棧中符號串和剩余符號串組成一個句型，當句柄出現(xiàn)在棧頂符號串中時，就用該句柄進行歸約，這樣一直歸約到輸入串只剩結(jié)束符、棧中符號只剩下開始符號，此時認為輸入符號串是文法的句子，否則報錯。

自底向上是?種求解動態(tài)規(guī)劃問題的方法，它不使用遞歸式，而是直接使用循環(huán)來計算所有可能的結(jié)果，往上層逐漸累加子問題的解。在求解子問題的最優(yōu)解的同時，也相當于是在求解整個問題的最優(yōu)解。其中最難的部分是找到求解最終問題的遞歸關(guān)系式，或者說狀態(tài)轉(zhuǎn)移方程。

3.2 舉例：0-1背包問題

3.2.1 問題描述

你現(xiàn)在想買?大堆算法書，有一個容量為?V?的背包，這個商店?共有?n?個商品。問題在于，你最多只能拿?W?kg 的東西，其中?wi?和?vi?分別表示第?i?個商品的重量和價值。最終的目標就是在能拿的下的情況下，獲得最大價值，求解哪些物品可以放進背包。

對于每?個商品你有兩個選擇：拿或者不拿。

3.2.2 自底向上分析

?先要做的就是要找到“子問題”是什么。通過分析發(fā)現(xiàn)：每次背包新裝進?個物品就可以把剩余的承重能力作為?個新的背包來求解，?直遞推到承重為0的背包問題。

用?m[i,w]?表示偷到商品的總價值，其中?i?表示?共多少個商品，w?表示總重量，所以求解 m[i,w]就是子問題，那么看到某?個商品i的時候，如何決定是不是要裝進背包，需要考慮以下：

該物品的重量大于背包的總重量，不考慮，換下?個商品；
該商品的重量小于背包的總重量，那么嘗試把它裝進去，如果裝不下就把其他東西換出來，看看裝進去后的總價值是不是更高了，否則還是按照之前的裝法；
極端情況，所有的物品都裝不下或者背包的承重能力為0，那么總價值都是0；

由以上的分析，可以得出m[i,w]的狀態(tài)轉(zhuǎn)移方程為：

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

3.2.3 程序設(shè)計

# 循環(huán)的?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?承重能?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__':    # 背包把所有東西都能裝進去做假設(shè)開始    print(knapsack())