Python笔记8.0 程序设计方法学

最新推荐文章于 2024-06-18 14:50:12 发布

干饭王也敲代码

最新推荐文章于 2024-06-18 14:50:12 发布

阅读量146

点赞数

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python 开发语言

本文链接：https://blog.csdn.net/weixin_44379985/article/details/125607552

Python 专栏收录该内容

8 篇文章

订阅专栏

程序设计方法学

实例13：体育竞技分析

问题分析：

需求：毫厘是多少？如何科学分析体育竞技比赛？
输入：球员的水平
输出：可预测的比赛成绩

体育竞技分析：模拟N场比赛

计算思维：抽象+自动化
模拟：抽象比赛过程+自动化执行N场比赛、
当N越大时，比赛结果分析会越科学

自顶向下

解决复杂问题的有效方法

将一个总问题表达为若干个小问题组成的形式
使用同样方法进一步分解小问题
直至，小问题可以用计算机简单明了的解决

自底向上

逐步组建复杂系统的有效测试方法

分单元测试，逐步组装
按照自顶向下相反的路径操作
直至，系统各部分以组装的思路都经过测试和验证

在这里插入图片描述

代码

from random import random

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）")

def getInputs():
    a = eval(input("请输入选手A的能力值（0-1）："))
    b = eval(input("请输入选手B的能力值（0-1）："))
    n = eval(input("模拟比赛的场次："))
    return a,b,n

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 gameOver(a,b):
    return a==15 or b==15
    

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
        

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


def main():
    printIntro()
    probA,probB,n = getInputs()
    winsA,winsB = simNGames(n,probA,probB)
    printSummary(winsA,winsB)

main()

在这里插入图片描述

理解自顶向下和自底向上

理解自顶向下的设计思维：分而治之
理解自底向上的执行思维：模块化集成
自顶向下是“系统”思维的简化

Python程序设计思维

计算思维与程序设计

计算思维

第三种人类思维特征

逻辑思维：推理和演绎，数学为代表，A -> B B -> C A -> C
实证思维：实验和验证，物理为代表，引力波<-实验
计算思维：设计和构造，计算机为代表，汉诺塔递归

抽象和自动化

计算思维：Computational Thinking
抽象问题的计算过程，利用计算机自动化求解
计算思维是基于计算机的思维方式

在这里插入图片描述
抽象问题的计算过程，利用计算机自动化求解

计算思维基于计算机强大的算力及海量数据
抽象计算过程，关注设计和构造，而非因果
以计算机程序设计为实现的主要手段

编程是将计算思维变成现实的手段

计算生态与Python语言

开源思想深入演化和发展，形成了计算生态
计算生态以开源项目为组织形式，充分利用“共识原则”和“社会利他”组织人员，在竞争发展、相互依存和迅速更迭中完成信息技术的更新换代，形成了技术的自我演化路径。

没有顶层设计，以功能为单位，具备三个特点

竞争发展
相互依存
迅速更迭

在这里插入图片描述

库之间相互关联使用，依存发展，python库间广泛联系，逐级封装
社区庞大，新技术更迭迅速，AlphaGo深度学习算法采用python语言开源

计算生态的价值

**创新：跟随创新、集成创新、原始创新

加速科技类应用创新的重要支撑
发展科技产品商业价值的重要模式
国家科技体系安全和稳固的基础

计算生态的运用

刀耕火种 -> 站在巨人的肩膀上

编程的起点不是算法而是系统
编程如同搭积木，利用计算生态为主要模式
编程的目标是快速解决问题

用户体验以及软件产品

用户体验

实现功能 -> 关注体验

用户体验指用户对产品建立的主观感受和认识
关心功能实现，更要关心用户体验，才能做出好产品
编程只是手段，不是目的，程序最终为人类服务

提高用户体验的方法

方法1：进度展示

如果程序需要计算时间，可能产生等待，请增加进度展示
如果程序有若干步骤，需要提示用户，请增加进度展示
如果程序可能存在大量次数的循环，请增加进度展示
方法2：异常处理
当获得用户输入，对合规性需要检查，需要异常处理
当读写文件时，对结果进行判断，需要异常处理
当进行输入输出时，对运算结果进行判断，需要异常处理
其他类方法
打印输出：特定位置，输出程序运行的过程信息
日志文件：对程序异常及用户使用进行定期记录
帮助信息：给用户多种方式提供帮助信息

基本的程序设计模式

从IPO开始

I：Input输入，程序的输入
P：Process处理，程序的主要逻辑
O：Output输出，程序的输出
确定IPO：明确计算部分及功能边界
编写程序：将计算求解的设计变成现实
调试程序：确保程序按照正常逻辑能正确运行

模块化设计

通过函数或对象封装将程序划分为模块及模块间的表达
具体包括：主程序、子程序和子程序间的关系
分而治之：一种分而治之、分层抽象、体系化的设计思想
紧耦合：两个部分之间交流很多，无法独立存在
松耦合：两个部分之间交流很少，可以独立存在
模块内部紧耦合、模块之间松耦合

配置化设计

引擎+配置：程序执行和配置分离，将可选参数配置化
将程序开发变成配置文件编写，扩展功能而不修改程序
关键在于接口设计，清晰明了、灵活可扩展

应用开发的四个步骤

从应用需求到软件产品

1.产品定义：对应用需求充分理解和明确定义，产品定义而不仅时功能定义，要考虑商业模式
2.系统架构：以系统方式思考产品的技术实现，系统架构，关注数据流、模块化、体系架构
3.设计与实现：结合架构完成关键设计及系统实现，结合可扩展性、灵活性等进行设计优化
4.用户体验：从用户角度思考应用效果，用户至上，体验优先，以用户为中心

Python第三方库安装

看见更大的Python世界

Python社区：

https://pypi.org/
在这里插入图片描述

三种方法

方法1（主要方法）：使用pip命令
方法2：集成安装方法
方法3：文件安装方法

第三方库的pip安装方法

使用pip安装工具（命令行下执行）
在这里插入图片描述

第三方库的集成安装方法

在这里插入图片描述

第三方库的文件安装方法

在这里插入图片描述

模块：OS库的使用

os库基本介绍

os库提供通用的、基本的操作系统交互功能
在这里插入图片描述

路径操作：os.path子库，处理文件路径及信息
进程管理：启动系统中其他程序
环境参数：获得系统软硬件信息等环境参数

os库之路径操作

os.path子库以path为入口，用于操作和处理文件路径
在这里插入图片描述

os库之进程管理

os.system(command)

执行程序或命令command
在Windows系统中，返回值为cmd的调用返回信息

例如：
在这里插入图片描述

os库之环境参数

获取或者改变系统环境信息
在这里插入图片描述

实例14：第三方库安装脚本

“第三方库安装脚本”问题分析

第三方库自动安装脚本

需求：批量安装第三方库需要人工干预，能否自动安装？
自动执行pip逐一根据安装需求安装

在这里插入图片描述

“第三方库安装脚本”实例解析

在这里插入图片描述

#BachInstall.py
import os
libs = {"numpy","matplotlib","pillow","sklearn","requests",\
        "jieba","beautifulsoup4","wheel","networkx","sympy",\
        "pyinstaller","django","flask","werobot","pyqt5",\
        "pandas","pyopengl","pypdf2","docopt","pygame"}
try:
    for lib in libs:
        os.system("pip install " + lib)
    print("Succseeful")
except:
    print("Failed")