用Python循环实现九九乘法表和素数判断

学习Python基础语法时，循环结构是控制程序重复处理数据的核心工具。九九乘法表和素数判断是两道经典练习题：前者考察如何组织双重循环的层级嵌套与二维排版，后者考察如何在单层循环中结合条件判断、提前终止（break）以及状态标记。本文将分别展开这两道题目的实现步骤、逻辑细节与优化策略，帮助读者掌握循环控制的常见编写模式。

一、用双重嵌套循环输出九九乘法表

九九乘法表呈阶梯状排列，共有9行。第1行有1项，第2行有2项……第9行有9项。这种“多行且每行包含多个递增项目”的规律，非常适合使用两层嵌套的 for 循环来表达。

1. 逻辑拆解与变量定义

要用程序输出阶梯乘法表，关键在于明确外层与内层循环分别负责什么维度：

• 外层循环控制行号（i）： 从1递增到9，代表乘法表的第几行。
• 内层循环控制列号（j）： 每进入新的一行，列号从1递增到当前行号 i。因为第 i 行只需要输出到 j == i，所以内层上限直接受外层变量 i 的约束。
• 格式控制： 每一项输出完后不能立即换行，而应当使用制表符（\t）或空格隔开；只有当整行所有列输出完毕后，才触发一次换行。

图1：九九乘法表双重循环嵌套执行流程与行列对应关系

2. 完整代码实现

在Python中，range(start, stop) 遵循“左闭右开”规则（包含 start 但不包含 stop）。要产生 1 到 9 的连续整数，必须传入 range(1, 10)；同理，内层循环若要取到 i，必须写作 range(1, i + 1)。

# 完整代码：输出九九乘法表
for i in range(1, 10):
    for j in range(1, i + 1):
        # end="\t" 保证同行的各项之间用制表符隔开，不提前换行
        print(f"{j}×{i}={i * j}", end="\t")
    # 内层循环执行完毕，输出换行符以开启下一行
    print()

终端输出结果示例：

1×1=1	
1×2=2	2×2=4	
1×3=3	2×3=6	3×3=9	
1×4=4	2×4=8	3×4=12	4×4=16	
1×5=5	2×5=10	3×5=15	4×5=20	5×5=25	
1×6=6	2×6=12	3×6=18	4×6=24	5×6=30	6×6=36	
1×7=7	2×7=14	3×7=21	4×7=28	5×7=35	6×7=42	7×7=49	
1×8=8	2×8=16	3×8=24	4×8=32	5×8=40	6×8=48	7×8=56	8×8=64	
1×9=9	2×9=18	3×9=27	4×9=36	5×9=45	6×9=54	7×9=63	8×9=72	9×9=81

二、用循环与分支判断素数

素数（质数）是指在大于1的自然数中，除了1和它自身外，不能被其他自然数整除的数（如 2, 3, 5, 7, 11 等）。根据这一定义，判断一个正整数 n 是否为素数的基本策略是：用从 2 开始的所有可能除数依次去试除 n，如果发现任意一个数能整除 n，说明 n 是合数；若试除了所有候选数均无法整除，则 n 为素数。

1. 试除法与提前退出（break）

在循环检测时，一旦找到某个除数 d 满足 n % d == 0，就已经可以 100% 确认该数不是素数。此时继续检查后面的除数毫无意义，必须使用 break 语句立即终止循环，避免多余的运算开销。

2. Python 特有的 for-else 语法模式

通常情况下，需要定义一个布尔变量（如 is_prime = True）记录状态。而在Python中，for 循环自带一个专属的 else 子句：

• 如果循环正常结束（即遍历完所有元素，中途没有触发 break），则会执行 else 块中的代码。
• 如果循环是在执行过程中通过 break 提前中断的，则会直接跳过 else 块。

图2：素数试除算法中的分支判断、提前跳出与 for-else 响应路径

3. 素数判断的基础代码实现

def is_prime_basic(n):
    # 基础边界：小于等于1的整数既不是素数也不是合数
    if n <= 1:
        return False
        
    # 试除区间：从 2 到 n - 1
    for d in range(2, n):
        if n % d == 0:
            # 找到整除因子，立刻判定不是素数并返回
            return False
            
    # 如果遍历完毕均未整除，则是素数
    return True

# 示例验证
test_numbers = [1, 2, 9, 13, 25, 29]
for num in test_numbers:
    result = is_prime_basic(num)
    print(f"数值 {num:<2} 是否为素数: {result}")

三、算法对比：全量试除与平方根优化

上述基础实现中，循环范围设定为 range(2, n)。在待测数值较小时，计算耗时差异不大；但当待测数值增大时，两者之间的性能鸿沟会急剧扩大。

1. 数学原理：因子的对称性

如果正整数 $n$ 是合数，必然可以分解为两个因子的乘积：$n = a \times b$。如果 $a$ 和 $b$ 都严格大于 $\sqrt{n}$，那么它们的乘积 $a \times b$ 必然会大于 $\sqrt{n} \times \sqrt{n} = n$，这与 $n = a \times b$ 产生矛盾。因此：

核心结论： 任意合数 $n$ 至少存在一个不大于 $\lfloor\sqrt{n}\rfloor$ 的非平凡因子。如果我们在 $2$ 到 $\lfloor\sqrt{n}\rfloor$ 范围内没有找到任何能够整除 $n$ 的数，那么在大于 $\sqrt{n}$ 的范围内也绝对不可能找到对应的因子。

图3：全量线性试除与平方根截断算法在计算规模上的直观对比

2. 优化后的高效实现代码

在Python中，可以通过 int(n ** 0.5) + 1 或使用标准库 math.isqrt(n) + 1 来精准获取试除上限。以下是结合了 for-else 结构的高效写法：

import math

def is_prime_optimized(n):
    # 排除小于等于1的数
    if n <= 1:
        return False
    # 2 是唯一的偶素数
    if n == 2:
        return True
    # 排除所有大于2的偶数，减少一半的后续循环
    if n % 2 == 0:
        return False
        
    # 计算平方根上限（含端点）
    limit = math.isqrt(n) + 1
    
    # 从3开始，步长为2，只检查奇数除数
    for d in range(3, limit, 2):
        if n % d == 0:
            return False
    else:
        # 循环正常执行完毕且未触发 break，判定为素数
        return True

# 测试较大数字
sample = 10007
print(f"数值 {sample} 是素数吗？回答：{is_prime_optimized(sample)}")

四、常见问题与调试建议

五、核心要点总结

九九乘法表与素数判断展示了Python控制流的两大经典应用场景：

1. 嵌套控制： 外层循环负责高维度状态变迁（换行、推进大步长），内层循环负责局部细节填充（同排生成、逐个检验）。
2. 状态收敛与提前退出： 在批量探测中，一旦满足判定条件应立即 break 或 return；善用 for-else 可以精简多余的标记变量。
3. 数学优化优先： 算法效率的提升往往来源于对问题数学特性的挖掘（如因子的平方根对称性），远比单纯堆砌硬件算力更为根本。

图4：Python 循环控制、跳出机制与性能优化的全局归纳