Python基础语法代码示例：变量、循环与条件判断

编写任何 Python 程序的核心，都在于组织数据并指挥计算机按照设定逻辑作出决策和重复动作。这一过程依靠三个最根本的语法支柱：用于存储和标记数据的变量、用于依据状态做出路径选择的条件判断，以及用于自动化重复任务的循环结构。本文将通过简洁规范的代码示例，逐一拆解这三者的语法规则、底层工作方式与常见边界陷阱，并在文末提供一个综合实例展现三者的协作模式。

图 1：Python 基础控制流与三大语法基石演进流程

一、变量：数据定义与引用机制

在 Python 中，变量不需要事先声明数据类型，也无需使用特定关键字（如 C 语言中的 int 或 JavaScript 中的 let）。创建变量的过程就是“变量名 = 表达式”的赋值语句。当执行该语句时，Python 会在内存中创建对应的值对象，然后将变量名绑定到该对象上。

1. 变量定义与常用数据类型

以下代码演示了数值、字符串、布尔值及常用容器类型的变量赋值：

# 整数与浮点数
item_count = 12
unit_price = 19.9

# 字符串与布尔值
product_name = "机械键盘"
is_in_stock = True

# 列表与字典
tags = ["办公", "外设", "热插拔"]
product_info = {
    "name": product_name,
    "price": unit_price,
    "available": is_in_stock
}

print("商品:", product_name)
print("总价估算:", item_count * unit_price)
print("属性字典:", product_info)

2. 变量命名与类型转换规则

定义变量时必须遵循以下规范：

• 命名格式：变量名只能包含字母、数字和下划线，且不能以数字开头。推荐采用全小写字母加下划线的蛇形命名法（如 user_age）。
• 避开保留字：不能使用 if、for、while、class、def 等 Python 内置关键字。
• 显式类型转换：虽然 Python 是动态类型语言，但它是强类型语言，不同类型数据之间不会自动隐式转换。进行混合运算时必须显式转换，例如 int("25") 或 str(100)。

图 2：Python 变量名作为“对象引用标签”的内存运作示意

二、条件判断：基于规则的分支逻辑

程序能够处理变化，核心在于根据条件是否满足走不同的执行分支。Python 使用 if、elif 和 else 关键字构建多路分支，使用半角冒号 : 引导代码块，并通过严格统一的 4 个空格缩进来界定作用域。

1. 比较运算与逻辑运算符

条件表达式通常由比较运算符与逻辑运算符组合而成：

• 比较运算符：==（等于）、!=（不等于）、>、<、>=、<=。务必注意：等于比较是双等号，单等号是赋值。
• 逻辑运算符：and（两者皆真为真）、or（任一为真即为真）、not（取反）。

2. 多分支与短路逻辑代码示例

以下代码模拟对用户信用评分进行等级评定及放款资格审核：

credit_score = 735
has_overdue_record = False
annual_income = 180000

# 多重阶梯判断
if credit_score >= 800:
    tier = "AAA"
    loan_limit = 500000
elif credit_score >= 700 and not has_overdue_record:
    tier = "AA"
    # 根据收入计算额度
    if annual_income >= 150000:
        loan_limit = 300000
    else:
        loan_limit = 150000
elif credit_score >= 600:
    tier = "A"
    loan_limit = 50000
else:
    tier = "D (不予准入)"
    loan_limit = 0

print("评定等级:", tier)
print("授信额度:", loan_limit)

3. Python 的真值判定（Truth Value Testing）

在 Python 中，除了显式的布尔表达式，任何对象都可以直接作为判断条件。以下对象在条件判断中会被隐式求值为 False：

• 数值 0、0.0
• 空字符串 ""
• 空容器：空列表 []、空元组 ()、空字典 {}、空集合 set()
• 特殊空值 None

因此在检查列表是否为空时，推荐直接使用 if items:，而不需要写 if len(items) > 0:。

图 3：条件分支分流与循环中断机制流向对比

三、循环结构：自动化迭代与流程控制

当需要对成组的数据执行相同操作，或者在满足某个条件之前保持持续计算时，必须使用循环。Python 提供了两种主要形式：用于迭代已知集合序列的 for 循环，以及基于状态布尔条件持续运转的 while 循环。

1. for 循环与序列迭代

Python 的 for 循环本质上是一个“迭代器驱动”的语法，每次循环直接从可迭代对象（列表、字符串、字典、元组、生成器）中取出一个元素赋给迭代变量。如果需要按数字范围循环，则搭配内置的 range() 函数：

# 1. 结合 range(start, stop, step) 计数循环
total_sum = 0
for i in range(1, 6):  # 产生 1, 2, 3, 4, 5 (包含1，不包含6)
    total_sum += i
print("1到5的累加和:", total_sum)

# 2. 直接遍历列表元素
fruits = ["苹果", "香蕉", "车厘子"]
for fruit in fruits:
    print("当前水果:", fruit)

# 3. 遍历字典的键值对
scores = {"语文": 88, "数学": 95, "英语": 91}
for subject, score in scores.items():
    print(f"{subject}成绩: {score}分")

2. while 循环与退出状态维护

while 循环在指定的布尔条件为 True 时持续执行。使用 while 循环时，必须在循环体内部提供改变条件的步进语句，否则会导致死循环，耗尽 CPU 资源。

# 倒计时示例
countdown = 3

while countdown > 0:
    print("倒计时:", countdown)
    countdown -= 1  # 步进语句：每次减少 1，直至不满足条件

print("发射启动！")

3. break 与 continue 的差异

循环的控制灵活性来自于两个关键字：

• continue：立即结束当前这一轮循环的后续语句，直接进入下一轮迭代。
• break：直接永久跳出整个循环，循环体后续以及未遍历的剩余项均不再执行。

numbers = [12, -5, 8, 0, 15, -3, 20]
positive_evens = []

for num in numbers:
    # 遇到负数，直接跳过当前轮
    if num < 0:
        continue
    
    # 遇到 0，作为终止信号彻底退出
    if num == 0:
        print("遇到终止标记 0，提前停止遍历")
        break
        
    # 仅收集正偶数
    if num % 2 == 0:
        positive_evens.append(num)

print("已收集的正偶数:", positive_evens)

四、综合应用：数据清洗与分类统计

为了让读者直观理解变量存储、条件判断与循环结构如何在实际项目中协同运作，以下提供一段完整的数据清洗与统计代码。场景为：解析一批用户注册信息原始列表，过滤异常脏数据，并按年龄阶段分类统计合法用户的平均消费。

# 模拟用户原始数据：包含缺失值、负数异常与合法记录
raw_records = [
    {"user_id": "U101", "age": 22, "spent": 150.0},
    {"user_id": "U102", "age": -3, "spent": 20.0},   # 异常数据：年龄为负
    {"user_id": "U103", "age": 35, "spent": 420.5},
    {"user_id": "U104", "age": None, "spent": 80.0},  # 异常数据：缺失年龄
    {"user_id": "U105", "age": 19, "spent": 90.0},
    {"user_id": "U106", "age": 42, "spent": 310.0},
]

# 1. 变量初始化：用于分类存储与累加的容器和计数器
young_group_spent = 0.0
young_group_count = 0
mature_group_spent = 0.0
mature_group_count = 0
invalid_records_count = 0

# 2. 循环遍历每一条输入记录
for item in raw_records:
    age = item.get("age")
    spent = item.get("spent", 0.0)
    
    # 3. 条件判断：先检查数据有效性
    if age is None or age <= 0:
        invalid_records_count += 1
        continue  # 跳过脏数据，不计入统计
    
    # 4. 条件判断：业务分类归档
    if age < 30:
        young_group_spent += spent
        young_group_count += 1
    else:
        mature_group_spent += spent
        mature_group_count += 1

# 5. 计算并输出统计结果
avg_young = (young_group_spent / young_group_count) if young_group_count > 0 else 0.0
avg_mature = (mature_group_spent / mature_group_count) if mature_group_count > 0 else 0.0

print(f"清洗完成，剔除无效记录数: {invalid_records_count}")
print(f"青年组 (<30岁): 人数={young_group_count}, 平均消费={avg_young:.2f}元")
print(f"成熟组 (>=30岁): 人数={mature_group_count}, 平均消费={avg_mature:.2f}元")

在这段代码中：

• 变量（如 young_group_spent 和计数器）负责维持统计过程中的累加状态。
• 循环（for item in raw_records:）负责按序提取每一项，驱动程序批量处理。
• 条件判断（if age is None or age <= 0:）作为守卫逻辑拦截不合规记录，后续的 if-else 则根据年龄划分业务统计区间。

图 4：Python 基础语法核心要素与排坑准则全景对照

五、常见问题与调试建议

1. 混淆空格与制表符（IndentationError）

Python 对代码缩进极度敏感。虽然语法上允许使用制表符（Tab）或空格缩进，但切忌在同一个文件中混用两者。现代 Python 社区统一规范为：每一级缩进采用 4 个纯空格。若出现 IndentationError: unexpected indent 或 unindent does not match any outer indentation level，应首先检查编辑器是否将 Tab 键统一映射为了 4 个空格。

2. 遍历列表时同步删除元素的“漏项陷阱”

新手常犯的错误是在 for item in my_list: 循环体中调用 my_list.remove(item)。由于删除操作会动态改变原列表的长度及后续元素的物理索引，导致循环迭代器跳过紧邻的下一个元素。正确的做法是使用列表切片副本进行遍历（for item in my_list[:]:），或者直接使用列表推导式生成新列表：

# 错误示范：会导致漏删偶数
# for n in numbers:
#     if n % 2 == 0:
#         numbers.remove(n)

# 正确做法：使用列表推导式构建过滤后的列表
numbers = [1, 2, 2, 3, 4, 5]
odd_numbers = [n for n in numbers if n % 2 != 0]
print("过滤后的纯奇数列表:", odd_numbers)

3. while 循环未更新退出条件的死循环排查

当执行 Python 脚本后终端卡死且 CPU 占用率飙升时，通常是因为 while 循环未能到达终止边界。排查时应重点检查：循环体内部是否存在明确改变条件判定变量的语句（例如递增、递减或从队列弹出元素），并确保所有条件分支最终都有机会触碰退出临界值。