南邮 PYTHON 每周练习作业2

【Python编程基础与实践】 在这份“南邮 PYTHON 每周练习作业2”中，我们看到一系列关于Python编程的基础练习题目，涵盖了列表操作、数据结构、循环、条件判断、函数使用、模块导入以及随机数生成等多个方面。下面将对这些知识点进行详细解释： 1. **列表推导式**（List Comprehensions）： - 题目中的No.1、No.3和No.4都使用了列表推导式，这是一种简洁的创建新列表的方式，例如： ```python li = [v for i, v in enumerate(Li) if i != 0 and i != 4 and i != 5] ``` 这段代码会创建一个新的列表，包含原列表`Li`中除了索引为0、4和5的元素。 2. **多维列表**（Multidimensional Lists）： - No.2展示了如何创建一个三维列表，通过三层嵌套循环实现。另外，还演示了使用NumPy库创建多维数组，如`np.zeros((3,5,8))`，这是处理数值计算时常用的方法。 3. **条件过滤**： - No.4展示了如何根据条件筛选列表元素，例如： ```python li = [i for i in Li if i % 5 == 0 and i % 7 == 0] ``` 这将选取列表中能被5和7整除的元素。 4. **循环嵌套**： - No.6使用了三层循环嵌套，实现了将三个列表的元素组合并打印，这是构建复杂逻辑或组合数据结构时常用的方法。 5. **随机数处理**： - No.7使用`random.shuffle()`函数对列表进行随机排序，展示了列表元素的随机性。 - No.10和No.11使用`random.randrange()`生成指定范围内的随机整数，用于验证随机性。 6. **时间复杂度分析**： - No.8使用`timeit`模块来测量函数执行的时间，这对于性能优化和算法分析非常有用。 7. **压缩与解压缩**： - No.9中展示了如何使用`zlib`库对字符串进行压缩和解压缩，这在处理大量数据时可以节省存储空间。 8. **随机采样**： - No.11和No.12使用`random.sample()`函数从列表中随机选择不重复的元素，这在抽样调查或游戏设计中常见。 9. **随机选择**： - No.14使用`random.choice()`函数从列表中随机选择一个元素，这在模拟和决策过程中经常使用。 这些练习题目的设计旨在帮助学习者掌握Python的基本语法和概念，同时通过实际操作来提升编程技能。在解决这些问题的过程中，不仅可以巩固基础知识，还能培养解决问题的能力和逻辑思维。通过这样的练习，学生可以更好地理解和运用Python在实际问题中的解决方案。