Python基础语法详解：变量、函数与控制流入门

学习 Python 编程的核心在于掌握程序如何存储数据、如何根据逻辑做出决定以及如何复用功能单元。变量、控制流与函数是支撑 Python 编程大厦的三大基石：变量负责建立名字与数据的绑定关系，控制流主导代码的执行分支与迭代逻辑，而函数则负责封装可复用的逻辑段落。本文将避开复杂的抽象概念，直奔核心语法与底层原理，通过规范示例帮助初学者建立扎实且清晰的 Python 编码认知。

一、变量与对象引用机制

在许多编译型语言（如 C 或 Java）中，定义变量类似于开辟一个固定规格的“盒子”，并将数据放入其中。但在 Python 中，变量更像是一个贴在数据实体上的“标签”或指针。理解这一引用机制是掌握 Python 变量行为的关键所在。

1. 变量赋值与动态类型

Python 是强类型的动态类型语言。在定义变量时无需声明变量类型，赋值操作会直接在内存中创建对象，并将变量名绑定到该对象上：

# 整数与浮点数赋值
count = 10
price = 99.5

# 字符串与布尔值
user_name = "Alice"
is_active = True

# 动态改变绑定对象
status = "pending"
status = 200  # 变量名 status 现在指向一个整数对象

变量命名需遵循下划线命名法（snake_case），仅能由字母、数字和下划线组成，且不能以数字开头，同时应规避 Python 内置关键字（如 class、def、if 等）。

2. 内存引用的工作模式

当执行 b = a 时，Python 并没有复制 a 所指向的数据内容，而是让 b 同样指向 a 当时所绑定的内存地址。通过内置函数 id() 可以查看对象在内存中的唯一标识符。

二、程序流程控制：条件分支与循环

计算机程序的执行默认是自上而下顺序进行的。控制流语句（Control Flow）允许程序在遇到不同数据时选择执行分支，或者重复执行一段运算逻辑直至满足终止条件。

1. 条件判断（if - elif - else）

Python 依靠严格的缩进（通常为4个空格）来界定代码块，替代了传统语言的大括号 {}。条件表达式的结果会被求值为布尔值 True 或 False：

score = 85

if score >= 90:
    grade = "A"
elif score >= 80:
    grade = "B"
elif score >= 60:
    grade = "C"
else:
    grade = "D"

print(f"得分评级为: {grade}")  # 示例输出：得分评级为: B

在判断条件中，常用比较运算符包括 ==、!=、>、<、>=、<=，逻辑组合使用 and、or、not。

2. 循环结构与流向中断

Python 提供了两种核心循环：基于区间的 for ... in 迭代循环，以及基于状态成立条件的 while 条件循环。

• for 循环：用于遍历任何可迭代序列（如列表、字符串、元组）或配合 range() 生成数字序列。
• while 循环：只要给定条件保持为真就会持续执行，循环体内必须有促使条件向假转变的变更语句，避免死循环。
• break：立刻终止并跳出当前整个循环体。
• continue：跳过当前这一轮迭代的剩余语句，直接进入下一次循环判断。

# 循环综合示例：结合 continue 与 break
numbers = [12, -5, 8, 0, 15, -3, 20]
valid_sum = 0

for num in numbers:
    if num < 0:
        continue  # 忽略负数，直接开始下一轮
    if num == 0:
        print("遇到终止标记 0，提前结束统计")
        break     # 退出循环
    valid_sum += num

print(f"累计有效和: {valid_sum}")
# 示例输出：
# 遇到终止标记 0，提前结束统计
# 累计有效和: 20

三、函数定义与模块化封装

当一段特定功能的逻辑需要被重复执行时，将其编写为独立函数是最好的工程实践。函数能够消除重复代码、增强程序可读性，并通过输入参数与输出返回值完成清晰的数据交互。

1. 函数定义与参数机制

Python 使用 def 关键字定义函数。函数可以接收位置参数、默认参数、关键字参数以及可变参数：

def calculate_discount(price, rate=0.9, min_threshold=100):
    """
    计算折后价格
    :param price: 原价（必须提供）
    :param rate: 折扣比例（默认 0.9）
    :param min_threshold: 触发门槛（默认 100）
    :return: 最终结算价
    """
    if price >= min_threshold:
        return round(price * rate, 2)
    return price

# 按照位置调用
p1 = calculate_discount(150)             # 使用默认折扣 0.9 -> 135.0
# 按照关键字显式调用
p2 = calculate_discount(80, rate=0.8)     # 未达门槛 100 -> 80
p3 = calculate_discount(200, rate=0.75)   # 200 * 0.75 -> 150.0

print(f"p1={p1}, p2={p2}, p3={p3}")

2. 函数调用与执行生命周期

理解函数调用的底层推导过程，能够帮助我们清晰掌握局部变量、作用域隔离与垃圾回收机制。每一次函数调用都会在调用栈中分配独立的局部栈帧（Frame）。

3. 变量作用域：LEGB 查找规则

当在函数内部引用一个变量名时，Python 会按照由内向外的顺序依次检索，该顺序被称为 LEGB 规则：

1. L (Local)：当前函数内部的局部作用域。
2. E (Enclosing)：嵌套函数的闭包外层函数作用域。
3. G (Global)：模块全局作用域（当前 .py 文件的顶层）。
4. B (Built-in)：Python 内置作用域（如 len, range, print 等）。

如果希望在函数内部直接修改全局变量，需声明 global 关键字，但在实际工程中应尽量避免这种破坏纯函数特性的写法。

四、三大基石综合实战：数据清洗与分类处理

为了让读者直观看到变量、控制流与函数是如何协同工作的，我们通过一个具体场景进行演练：编写一个用于清洗订单数据、剔除无效记录并计算分类统计结果的脚本。

# 1. 定义测试数据（列表内嵌套字典）
raw_orders = [
    {"order_id": 101, "amount": 240, "status": "completed"},
    {"order_id": 102, "amount": -20, "status": "completed"},   # 无效负数金额
    {"order_id": 103, "amount": 450, "status": "cancelled"},   # 已取消
    {"order_id": 104, "amount": 510, "status": "completed"},
    {"order_id": 105, "amount": 0,   "status": "completed"},   # 无效 0 金额
    {"order_id": 106, "amount": 120, "status": "completed"},
]

# 2. 封装数据清洗与统计函数
def process_orders(orders, high_value_cutoff=300):
    """
    清洗并统计订单金额
    """
    total_valid_amount = 0
    valid_count = 0
    high_value_orders = []

    for item in orders:
        # 控制流分支 1: 状态过滤
        if item.get("status") != "completed":
            continue

        amt = item.get("amount", 0)

        # 控制流分支 2: 数据合规性校验
        if amt <= 0:
            continue

        # 累加有效数据
        total_valid_amount += amt
        valid_count += 1

        # 高净值订单归类
        if amt >= high_value_cutoff:
            high_value_orders.append(item["order_id"])

    # 计算平均金额（防止除零异常）
    avg_amount = round(total_valid_amount / valid_count, 2) if valid_count > 0 else 0

    return {
        "valid_count": valid_count,
        "total_amount": total_valid_amount,
        "average_amount": avg_amount,
        "high_value_ids": high_value_orders
    }

# 3. 调用函数并验证输出结果
summary = process_orders(raw_orders, high_value_cutoff=300)

print("--- 订单统计结果 ---")
print(f"有效订单数: {summary['valid_count']}")
print(f"有效总金额: {summary['total_amount']}")
print(f"订单均价:   {summary['average_amount']}")
print(f"大额订单ID: {summary['high_value_ids']}")

# 示例输出：
# --- 订单统计结果 ---
# 有效订单数: 3
# 有效总金额: 870
# 订单均价:   290.0
# 大额订单ID: [104]

五、全景总结与初学者避坑指南

为了在编写代码时少走弯路，下表整理了初学者在接触变量、函数与控制流时最容易踩入的三个典型陷阱及对应解决方案：

掌握了变量的对象引用机制、灵活的分支循环流程控制以及规范的函数封装后，你就已经具备了编写结构严谨、逻辑清晰的 Python 代码的基础能力。在后续深入面向对象编程（OOP）、文件 IO 及第三方模块开发时，这些基础语法规则将持续发挥关键的支撑作用。