python使用缩进来表示代码块,缩进的空格数固定为4个(python中空格怎么打)

defcalc(numbers):sum=0forninnumbers:sum=sum+n*nreturnsumprint(calc([1,2,4]))现在返回的值又是什么呢:结果返回1为什么会返回1,仔细分析一下,代码我将return进行了缩进,这时return是基于for的每一个循环返回一个值,并且return当第一个条件满足时就不在往下执行了,所以当传入第一个1时,sum=0+…

大家好,又见面了,我是你们的朋友全栈君。

defcalc(numbers):

sum=0for n innumbers:

sum= sum + n *nreturnsumprint (calc([1,2,4]))

现在返回的值又是什么呢:结果返回1

为什么会返回1,仔细分析一下,代码我将return进行了缩进,这时return是基于for的每一个循环返回一个值,并且return当第一个条件满足时就不在往下执行了,所以当传入第一个1时,sum=0+1*1=1,return 1就不再进行后面的循环了。而return不缩进那么return和for是同一级,当所有的for执行完后才执行return然后返回最终的结果

用将return替换成print更容易理解

defcalc(numbers):

sum=0for n innumbers:

sum= sum + n *nprint(sum)print (calc([1,2,4]))

21None>>>

而缩进print

defcalc(numbers):

sum=0for n innumbers:

sum= sum + n *nprint(sum)print (calc([1,2,4]))

1

5

21None>>>

由于prInt不像return不会满足条件就不往下执行,所以打印出了每一次循环的值。

二、if..else

在if..else条件判断中,一个块里面的语句都要保持缩进

def my_abs(x):if x>=0:

x=x-1

return(x)else:

x=x+1

在这里return就必须缩进,如果和if保持一样的话会导致后面的else定义失败,因为if…elif..else需要保持一致缩进。

如果这样写就错了:

def my_abs(x):if x>=0:

x=x-1

return(x)else:

x=x+1

由于return和if..else处于一样的缩进,导致else关联不上if

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/127910.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • java treeset subset_Java TreeSet subSet()方法

    java treeset subset_Java TreeSet subSet()方法JavaTreeSetsubSet()方法java.util.TreeSet.subSet(EfromElement,EtoElement)方法用于返回位于给定范围(包括fromElement和不包括toElement)之间的一组元素。1语法publicSortedSetsubSet(EfromElement,EtoElement)2参数fromElement:这是返回集的最…

    2025年6月16日
    2
  • prometheus监控日志告警_undo terminal monitor

    prometheus监控日志告警_undo terminal monitorkubernetes之prometheus监控第二篇-alertmanager监控告警:  在前期的博文中,我已经简单的介绍过了prometheus的安装,以及通过grafana来实施监控。这篇博文,我们更深入的介绍一下prometheus的监控。本篇博文主要分为以下几个知识点:1.使用prometheus监控ceph存储;2.学习简单的PromQL语言,在grafana里面根据业务自定…

    2022年10月3日
    3
  • AUC的公式_蔡勒公式

    AUC的公式_蔡勒公式AUC:随机抽出一对样本(一个正样本,一个负样本),然后用训练得到的分类器来对这两个样本进行预测,预测得到正样本的概率大于负样本概率的概率。开始抽样:在有M个正样本,N个负样本的数据集里。一共有MN对样本(一对样本即,一个正样本与一个负样本)。统计这MN对样本里,正样本的预测概率大于负样本的预测概率的个数。计算:(一)2个正样本:C,D2个负样本:A,B样本对:(C,A)(C,B…

    2022年10月21日
    3
  • 最大子序列的和_子序列和最大值

    最大子序列的和_子序列和最大值53. 最大子序和

    2022年4月20日
    51
  • linux ssh代理 –快速搭建代理服务器

    linux ssh代理 –快速搭建代理服务器前言:开发机器IP固定,路由上有限制,不通直连。是个很郁闷的事。有个时间在网上看到的ssh代理转发。命令功能很强大。在这我就对自己了解的画了个间图方便大家理解。本地转发、正向隧道“本机”连上“ssh服务器”,然后把”ssh服务器”能访问的机器地址和端口(当然也包括“ssh服务器”自己)镜像到”本机”的端口上。命令:ssh-L[客户端IP或省略]:[客户端端口]:[服务器侧能访问的IP]:[服

    2022年5月24日
    177
  • 支持向量回归(Support Vector Regression)

    支持向量回归(Support Vector Regression)支持向量回归(SupportVectorRegression)支持向量机除了能够分类,还可以用于回归。回归的目的是得到一个能够尽量拟合训练集样本的模型f(x)f(\mathbf{x})f(x),通常用的方法是构建一个样本标签与模型预测值的损失函数,使损失函数最小化从而确定模型f(x)f(\mathbf{x})f(x)。例如,在线性回归模型中,损失函数(L2损失,L1损失,huber损失)由模型输出f(x)f(\mathbf{x})f(x)与真实输出yyy之间的差别来计算,通过最小化损失函数来确

    2022年6月5日
    74

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号