Python趣味编程实战：从数学谜题到数据处理

1. 数学谜题的Python解法数学谜题是编程入门的绝佳练习素材。我刚开始学Python时就特别喜欢用代码解决各种数学问题。比如这个经典题目找出所有百位是3、十位是6且能被2和3整除的四位数。numbers range(1000, 10000) result [] for num in numbers: if (num // 100 % 10 3 and num // 10 % 10 6 and num % 6 0): # 同时被2和3整除就是被6整除 result.append(num) print(f最大数{max(result)}最小数{min(result)})这个解法有几个优化点用//整除运算符替代int()转换更高效直接判断能否被6整除减少一个条件判断使用列表推导式可以更简洁result [n for n in range(1000,10000) if n//100%103 and n//10%106 and n%60]再来看个有趣的数字反转问题找出所有四位数ABCD使得ABCD × A DCBA。我第一次看到这个题目时花了半小时才想明白怎么拆解数字for num in range(1000, 10000): a num // 1000 b num // 100 % 10 c num // 10 % 10 d num % 10 reversed_num d*1000 c*100 b*10 a if num * a reversed_num: print(f找到满足条件的数字{num}) # 输出结果21782. 数字特性的验证与发现Python特别适合验证各种数字猜想。比如这个命题任何大于9的整数减去各位数字之和结果必能被9整除。我们可以写个程序来验证def validate_rule(n): if n 9: return False digit_sum sum(int(d) for d in str(n)) return (n - digit_sum) % 9 0 # 测试10到10000的所有整数 all_valid all(validate_rule(x) for x in range(10, 10001)) print(命题在所有测试案例中, 成立 if all_valid else 不成立)这个例子展示了Python的几个强大特性使用生成器表达式int(d) for d in str(n)快速计算数字和all()函数验证所有情况布尔表达式直接返回验证结果再来看个更复杂的年龄问题四个人年龄各不相同总和129岁现在和15年前都有三人年龄是平方数。我的解题思路是列出100以内的平方数[1,4,9,16,25,36,49,64,81,100]筛选出大于15的数因为15年前年龄必须为正检查15年后的数是否仍是平方数from itertools import combinations squares [1,4,9,16,25,36,49,64,81,100] current_squares [s for s in squares if s 15] valid_ages [] for ages in combinations(current_squares, 3): fourth 129 - sum(ages) if (fourth not in ages and fourth 0 and len({a-15 for a in ages if a15} set(squares)) 3): valid_ages list(ages) [fourth] print(四人年龄, sorted(valid_ages)) # 输出结果[16, 25, 36, 52]3. 数据处理基础实战列表是Python最常用的数据结构。来看几个实用案例案例1不使用内置函数实现列表统计def list_stats(data): total 0 count 0 max_val min_val data[0] if data else None for num in data: total num count 1 if num max_val: max_val num if num min_val: min_val num return { sum: total, count: count, average: total/count if count else 0, max: max_val, min: min_val } numbers [3, 1, 4, 1, 5, 9, 2, 6] print(list_stats(numbers))案例2两种高效去重方法对比方法一利用集合特性original [3,1,4,1,5,9,2,6,5,3] unique list(set(original)) print(unique) # 顺序可能改变方法二保持原始顺序unique_ordered [] seen set() for item in original: if item not in seen: seen.add(item) unique_ordered.append(item) print(unique_ordered) # 保持原顺序案例3列表合并的三种方式list1 [1,2,3] list2 [3,4,5] # 方法1运算符 combined list1 list2 # 方法2extend方法 list1.extend(list2) # 方法3解包Python3.5 combined [*list1, *list2]4. 递归与算法实践递归是编程中的重要概念。以经典的拿硬币问题为例每次只能拿1或2个硬币计算拿完n个硬币有多少种方式。def coin_ways(n): if n 1: return 1 elif n 2: return 2 return coin_ways(n-1) coin_ways(n-2) # 使用缓存优化动态规划 from functools import lru_cache lru_cache(maxsizeNone) def coin_ways_optimized(n): if n 2: return n return coin_ways_optimized(n-1) coin_ways_optimized(n-2)再来看个更复杂的棋盘路径问题在5x7的棋盘中从左上到右下只能向右或向下移动有多少种走法这实际上是个组合数学问题def grid_paths(rows, cols): # 使用动态规划 dp [[1]*cols for _ in range(rows)] for i in range(1, rows): for j in range(1, cols): dp[i][j] dp[i-1][j] dp[i][j-1] return dp[-1][-1] print(f5x7棋盘路径数{grid_paths(5,7)})这个解法展示了动态规划的典型应用。初始时第一行和第一列都只有1种走法其他每个位置的走法等于上方和左方位置走法之和。