当前位置: 首页 > news >正文

怎么样进行定量分析

本文章将教会你如何对实验结果进行定量分析,其需要一定的论文基础,文末有论文撰写小技巧,不要看基础原理的人可以直接调到文章末尾。

一、什么是定量分析

定量分析是一种基于数据和数学模型的分析方法,它在众多领域中发挥着至关重要的作用,尤其在科学研究、市场研究以及社会科学研究等方面。定量分析的核心在于通过具体的数据来对研究对象的特征、行为以及相关关系进行量化描述和深入探究。其首要步骤是明确研究问题,并确定能够量化该问题的关键变量。例如,在市场研究中,研究者可能关注产品的销售量与广告投入之间的关系,这里的销售量和广告投入就是关键的量化变量。接下来,研究者通过各种手段进行数据的收集,这可能包括问卷调查、实验观测、数据库查询等。为了保证分析结果的可靠性,所收集的数据必须准确、完整且具有代表性。

在数据收集完成后,研究者通常会运用统计学方法和数学模型来进行数据分析。描述性统计分析能够对数据的基本特征进行总结,例如计算平均值、中位数、标准差等,以展示数据的集中趋势和离散程度。而相关性分析则用于探究不同变量之间的关联程度,如判断消费者的收入水平与购买能力之间是否存在正相关关系。更为复杂的回归分析可以进一步揭示变量之间的因果关系,帮助研究者建立预测模型,例如预测房价如何受到地理位置、房屋面积、周边配套设施等因素的综合影响。以下是一个完整的定量分析的Python代码示例,涵盖了数据的读取、预处理、统计分析、可视化和结果解释等步骤。我们将使用常见的库如pandas、numpy、scipy和matplotlib来完成这些任务。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats# 读取数据
data = pd.read_csv('your_data.csv')  # 请替换为你的数据文件路径# 数据预处理
# 假设数据中包含以下列:'population', 'gdp', 'unemployment_rate', 'consumption_index'
# 请根据你的数据调整列名# 检查数据的基本信息
print(data.info())# 检查数据的描述性统计
print(data.describe())# 数据清洗
# 处理缺失值
data = data.dropna()  # 或者使用 data.fillna(...) 方法填充缺失值# 数据转换(如标准化)
data_standardized = (data - data.mean()) / data.std()# 统计分析
# 计算相关矩阵
correlation_matrix = data.corr()
print("相关矩阵:")
print(correlation_matrix)# 假设检验(例如,检验两个变量之间的相关性是否显著)
variable1 = data['population']
variable2 = data['gdp']# 计算皮尔逊相关系数及p值
pearson_r, p_value = stats.pearsonr(variable1, variable2)
print(f"\n皮尔逊相关系数: {pearson_r}, p值: {p_value}")# 如果p值小于显著性水平(如0.05),则拒绝原假设,认为相关性显著# 可视化分析
# 绘制散点图
plt.figure(figsize=(10, 6))
plt.scatter(variable1, variable2, alpha=0.5)
plt.title('Population vs GDP')
plt.xlabel('Population')
plt.ylabel('GDP')
plt.grid(True)
plt.show()# 绘制箱线图
plt.figure(figsize=(10, 6))
data.boxplot(column=['unemployment_rate', 'consumption_index'])
plt.title('Boxplot of Unemployment Rate and Consumption Index')
plt.ylabel('Value')
plt.grid(True, axis='y')
plt.show()# 绘制直方图
plt.figure(figsize=(10, 6))
plt.hist(data['consumption_index'], bins=10, edgecolor='black')
plt.title('Histogram of Consumption Index')
plt.xlabel('Consumption Index')
plt.ylabel('Frequency')
plt.grid(True, axis='y')
plt.show()# 结果解释
# 根据相关矩阵和假设检验的结果,解释变量之间的关系
# 例如,如果人口和GDP之间的皮尔逊相关系数较高且p值显著,可以认为两者存在显著的正相关关系
# 同时,根据散点图、箱线图和直方图,可以进一步理解数据的分布和特征# 如果需要更多分析,可以继续添加其他统计方法和可视化图表

定量分析的优势在于它能够以客观、精确的方式呈现研究结果,并且便于不同研究之间进行比较和验证。与定性分析相比,它更侧重于数据和数量关系,避免了过多主观因素的干扰。然而,定量分析也有其局限性,它往往依赖于数据的质量和所选模型的合理性。如果数据存在偏差或者模型假设不准确,分析结果可能会产生误导。因此,在进行定量分析时,研究者需要谨慎地设计研究方案,选择合适的分析方法,并对结果进行充分的解释和讨论,以确保分析结论的科学性和实用性。

二、在论文怎么写这部分内容

论文中的定量分析部分通常起始于研究问题的明确界定。研究问题决定了分析的目标和方向,因此需要在这一部分清晰地阐述研究的核心问题以及通过定量分析期望揭示的内容。然后,需要确定与研究问题紧密相关的变量,这些变量是定量分析的基石。例如,在研究消费者行为与市场营销策略之间的关系时,消费者购买频率、消费金额、年龄、性别等都可能是关键变量。先放一个真正的学术论文,看看其是怎么撰写这部分内容的:

在数据预处理方面,论文应阐述如何对收集到的原始数据进行整理和清洗。这可能包括处理缺失值、异常值、数据标准化等步骤。例如,若存在大量缺失值,需要说明采用何种方法进行填补,如均值填补、回归填补等;对于异常值,是选择剔除还是进行修正,并解释这样做的理由。数据预处理的目的是确保数据的质量,提高分析的准确性。

定量分析方法的选择和应用是这一部分的核心内容。应详细说明所采用的统计分析方法或数学模型,如回归分析、聚类分析、因子分析、时间序列分析等,并解释选择这些方法的原因。例如,若采用多元线性回归模型来分析多个自变量对因变量的影响,需要阐述模型的假设条件、变量的选择依据以及模型的拟合过程。同时,应对模型的结果进行详细的解释和讨论,包括系数的显著性、模型的拟合优度等指标。通过这些结果,展示变量之间的关系以及模型对研究问题的解释能力。

模型的验证和检验也是必不可少的环节。在论文中,应描述如何对模型进行验证,如采用交叉验证、留出法等方法来评估模型的泛化能力。此外,还需要进行假设检验,验证模型中的各个参数是否显著,以及整体模型是否具有统计学意义。例如,通过t检验来判断回归系数是否显著不为零,通过F检验来检验模型的整体显著性。这些检验结果能够增强论文结论的可信度。

三、好用的定量分析技巧

你如果要做定量分析,那么最好要有一个表格数据,通过数据来展示自己的定量分析。但是要做一个表格比较麻烦,这边建议你先直接用latex排版,用来写表格的latex代码如下:

\documentclass{article}
\usepackage{booktabs}
\usepackage{siunitx}
\begin{document}\begin{table}[htbp]\centering\caption{定量分析结果}\label{tab:quantitative_analysis}\begin{tabular}{@{}lSSSS@{}}\toprule\textbf{变量} & \textbf{平均值} & \textbf{标准差} & \textbf{最小值} & \textbf{最大值} \\\midrule变量 1 & 12.34 & 5.67 & 8.90 & 15.78 \\变量 2 & 56.78 & 9.12 & 45.67 & 78.90 \\变量 3 & 45.67 & 8.34 & 32.56 & 67.89 \\变量 4 & 23.45 & 6.78 & 12.34 & 34.56 \\变量 5 & 67.89 & 10.23 & 56.78 & 89.01 \\\bottomrule\end{tabular}\begin{tablenotes}\small\item \textbf{注}:表格中列出了各变量的主要统计量,包括平均值、标准差、最小值和最大值。\end{tablenotes}
\end{table}\end{document}

这个代码创建了一个包含变量名称、平均值、标准差、最小值和最大值的定量分析表格,使用了 booktabssiunitx 两个宏包来美化表格和对齐数值。你可以根据自己的需求修改表格中的变量名称和数据,也可以调整表格的列数和格式,跑出来的格式基本比较完美。

其中值得注意的是你定量分析对比的前沿论文需要进行文献引用,别忘了哦。(还不会用latex编程的,给你个超链接自己学)

相关文章:

怎么样进行定量分析

本文章将教会你如何对实验结果进行定量分析,其需要一定的论文基础,文末有论文撰写小技巧,不要看基础原理的人可以直接调到文章末尾。 一、什么是定量分析 定量分析是一种基于数据和数学模型的分析方法,它在众多领域中发挥着至关…...

python学习day2

今天主要学习了变量的数据类型,以及如何使用格式化符号进行输出。 一、认识数据类型 在python里为了应对不同的业务需求,也把数据分为不同的类型。 代码如下: """ 1、按类型将不同的变量存储在不同的类型数据 2、验证这些…...

FreeMarker

概述:FreeMarker 是一款 模板引擎: 即一种基于模板和要改变的数据, 并用来生成输出文本(HTML网页,电子邮件,配置文件,源代码等)的通用工具。 它不是面向最终用户的,而是一个Java类库,是一款程序…...

JDK 21新特性详解

JDK 21新特性详解:现代Java开发的重大更新 Java开发工具包(JDK)21作为最新的长期支持(LTS)版本,于2023年9月发布,带来了许多令人兴奋的新特性。作为Java开发者,了解这些新功能对于保持技术竞争力至关重要。本文将详细介绍JDK 21中…...

使用MCP驱动IDA pro分析样本

最近国外的牛人开发了一个ida pro的mcp server,项目的地址为mrexodia/ida-pro-mcp: MCP Server for IDA Pro,实现了通过自然对话来分析样本。 今天我们试用一下。 MCP Server for IDA Pro项目简介 这个mcp server提供下面这些工具,基本涵盖…...

Web前端开发:@media(媒体查询)

什么是媒体查询? 媒体查询是CSS3的一个功能,允许你根据设备的特性(如屏幕宽度、设备方向、分辨率等)应用不同的CSS样式。简单来说,就是让网页在不同设备上(手机、平板、电脑)自动调整布局和样式…...

psotgresql18 源码编译安装

环境: 系统:centos7.9 数据库:postgresql18beta1 #PostgreSQL 18 已转向 DocBook XML 构建体系(SGML 未来将被弃用)。需要安装 XML 工具链,如下: yum install -y docbook5-style-xsl libxsl…...

如何在VSCode中更换默认浏览器:完整指南

引言 作为前端开发者,我们经常需要在VSCode中快速预览HTML文件。默认情况下,VSCode会使用系统默认浏览器打开文件,但有时我们可能需要切换到其他浏览器进行测试。本文将详细介绍如何在VSCode中更换默认浏览器。 方法一:使用VSCo…...

Python Day26 学习

继续NumPy的学习 数组的索引 一维数组的索引 创建及输出 arr1d np.arange(10) # 数组: [0 1 2 3 4 5 6 7 8 9] arr1d array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 取出数组的第一个元素,最后一个元素 代码实现 arr1d[0] arr1d[-1] 取出数组中索引为3&#x…...

2025年PMP 学习二十一 14章 项目立项管理

2025年PMP 学习二十一 14章 项目立项管理 项目立项管理 项目建议 (Project Proposal)项目可行性分析 (Project Feasibility Analysis)项目审批 (Project Approval)项目招投标 (Project Tendering)项目合同谈判和签订 (Project Contract Negotiation and Signing) 文章目录 20…...

Ubuntu开机自启服务

一、准备启动脚本 在你的项目文件夹(例如 /home/ubuntu/Plant_Diease_Recongnization_Server_1)中创建一个启动脚本 run_ui_main.sh: #!/usr/bin/env bash # run_ui_main.sh:激活 yolov8 环境并启动 ui_main.py# 设置 Anaconda/…...

使用Docker部署React应用与Nginx

这个教程将帮助您使用Docker部署一个带有React的Nginx容器,并通过卷(volumes)将本地代码绑定到Docker容器中。这种设置非常适合开发环境,因为它允许您在本地编辑代码,而容器中的应用会自动更新。 步骤概述 创建Nginx配置文件创建Dockerfile…...

基于SpringBoot的小型民营加油站管理系统

作者:计算机学姐 开发技术:SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等,“文末源码”。 专栏推荐:前后端分离项目源码、SpringBoot项目源码、Vue项目源码、SSM项目源码、微信小程序源码 精品专栏:…...

Triton介绍和各平台支持情况分析

文章目录 💞Triton介绍🧠 Triton 是什么?🔍 Triton 的核心特点🚀 Triton 在 PyTorch 中的作用📦 Triton 的典型使用场景🧪 示例:Triton 编写的向量加法(GPU 并行&#xf…...

HTTPS核心机制拆解

目录 引言 HTTPS和HTTP的区别 常见加密方式 数据摘要 数字证书与数据签名 HTTPS请求过程 结语 引言 HTTPS是什么?是一个应用层协议,在HTTP协议的基础上引入了一层加密层。为什么需要HTTPS?答案是显而易见的,要加密&#xf…...

我的食物信使女友

第一章:初识那是一个普通的周三下午,阳光透过咖啡馆的玻璃窗洒在木质的桌子上,空气中弥漫着咖啡的香气和轻柔的爵士乐。我坐在角落的一个位置,手中捧着一本已经翻了几十页的小说,但心思却完全不在文字上。我的生活就像…...

【D1,2】 贪心算法刷题

文章目录 不同路径 II整数拆分 不同路径 II 初始化的时候不能整列初始化为1,因为如果有障碍物,后面的都不能到达 也不能整列初始化为0,因为状态转移的时候第一行第一列都没有检查,因此不能部分初始化 整数拆分 需要考虑几种情况…...

C++多态的详细讲解

【本节目标】 1. 多态的概念 2. 多态的定义及实现 3. 抽象类 4. 多态的原理 5. 单继承和多继承关系中的虚函数表 前言 需要声明的,本博客中的代码及解释都是在 vs2013 下的 x86 程序中,涉及的指针都是 4bytes 。 如果要其他平台下,部…...

UE5在Blueprint中判断不同平台

在Unreal Engine 5的蓝图中,可以通过以下方法判断当前运行的平台(如Android、Windows、iOS等),并根据平台执行不同的逻辑: 方法1:使用 Get Platform Name 节点 步骤: 在蓝图图表中右键点击&am…...

多卡跑ollama run deepseek-r1

# 设置环境变量并启动模型 export CUDA_VISIBLE_DEVICES0,1,2,3 export OLLAMA_SCHED_SPREAD1 # 启用多卡负载均衡 ollama run deepseek-r1:32b 若 deepseek-r1:32b 的显存需求未超过单卡容量(如单卡 24GB),Ollama 不会自动启用多卡 在run…...

MAC电脑中右键后复制和拷贝的区别

在Mac电脑中,右键菜单中的“复制”和“拷贝”操作在功能上有所不同: 复制 功能:在选定的位置创建一个与原始文件相同的副本。快捷键:CommandD用于在当前位置快速复制文件,CommandC用于将内容复制到剪贴板。效果&…...

打卡第二十二天

知识点回顾: LDA线性判别PCA主成分分析t-SNE降维 还有一些其他的降维方式,也就是最重要的词向量的加工,我们未来再说。 作业: 自由作业:探索下什么时候用到降维?降维的主要应用?或者让AI给你出…...

【Unity 2023 新版InputSystem系统】新版InputSystem 如何进行人物移动(包括配置、代码详细实现过程)

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言一、InputSystem配置二、GameInput 游戏输入脚本1.实现思路2.完整代码三、Player 游戏人物移动脚本1.实现思路2.完整代码四、场景脚本设置1.组件设置五、问题解决1.人物一直下落2.人物跳跃时,…...

Python实现的在线词典学习工具

Python实现的在线词典学习工具 源码最初来自网络,根据实际情况进行了修改。 主要功能: 单词查询 通过Bing词典在线获取单词释义(正则提取网页meta描述),支持回车键快速查询 内置网络请求重试和异常处理机制 在线网页…...

软考 系统架构设计师系列知识点之杂项集萃(63)

接前一篇文章:软考 系统架构设计师系列知识点之杂项集萃(62) 第102题 以下关于系统性能评估方法的描述,错误的是()。 A. 指令执行速度法常用每秒百万次指令运算(MIPS)评估系统性能…...

python重庆旅游系统-旅游攻略

目录 技术栈介绍具体实现截图系统设计研究方法:设计步骤设计流程核心代码部分展示研究方法详细视频演示试验方案论文大纲源码获取/详细视频演示 技术栈介绍 Django-SpringBoot-php-Node.js-flask 本课题的研究方法和研究步骤基本合理,难度适中&#xf…...

如何使用GIT管理项目代码

介绍 ​ Git是目前世界上最流行甚至最好的开源分布式版本控制系统,不论是很小的项目还是很大的项目,它都能有效并且高效的处理项目版本管理,初衷是为了帮助管理linux内核代码而开发的一个开放源码的版本控制软件。 GIT常用分支名称 分支分…...

Android 11.0 动画缩放默认值改为0.5的功能实现

1.前言 在11.0的系统rom定制化开发中,在关于设置动画的时候,系统有相关参数要求,设置默认的 动画缩放默认值等功能,来实现相关功能,接下来分析下相关的动画默认缩放值的设置功能实现 2.动画缩放默认值改为0.5的功能实现的核心类 frameworks/base/packages/SettingsProv…...

第35周Zookkeeper+Dubbo 面试题精讲

面试题精讲 一、算法面试答题思路 理解思路的重要性:算法面试比基础面试更复杂,需先想清楚思路,与面试官沟通确认题目条件(如数据范围、是否包含负数/零等),这有助于理清解题思路并展示技术实力。变量命名清晰:算法中变量命名要明确含义和范围,避免使用模糊的变量名,…...

Mergekit——任务向量合并算法Ties解析

Mergekit——高频合并算法 TIES解析 Ties背景Ties 核心思想具体流程总结 mergekit项目地址 Mergekit提供模型合并方法可以概况为三大类:基本线性加权、基于球面插值、基于任务向量,今天我们来刷下基于任务向量的ties合并方法,熟悉原理和代码。…...

初识 Redis

什么是 Redis? 在 Redis 官网中有介绍, Redis 就是一个存储空间,只不过这个存储空间是在内存上的,这也就代表存储在 Redis 中的数据访问起来会非常快,但也会有一个弊端,也就是内存资源是非常少的&#xff…...

python打卡训练营打卡记录day30

一、导入官方库 我们复盘下学习python的逻辑,所谓学习python就是学习python常见的基础语法学习你所处理任务需要用到的第三方库。 1.1标准导入:导入整个库 这是最基本也是最常见的导入方式,直接使用import语句。 # 方式1:导入整…...

FART 主动调用组件设计和源码分析

版权归作者所有,如有转发,请注明文章出处:https://cyrus-studio.github.io/blog/ 现有脱壳方法存在的问题 脱壳粒度集中在 DexFile 整体,当前对 apk 保护的粒度在函数粒度,这就导致了脱壳与加固的不对等,无…...

windows使用ollama部署deepseek及qwen

ollama 参考文档 ollama 官方文档 GitHub仓库 基础环境: NVIDIA 1660TI 6G 下载 ollma是一款开源工具,支持在本地计算机(无需联网)快速部署和运行大型语言模型(LLM),如 LLaMA、Mistral、G…...

【11408学习记录】考研英语辞职信写作三步法:真题精讲+妙句活用+范文模板

应聘信 英语写作2005年考研英语真题小作文写作思路第一段第二段妙句7 9妙句11补充3补充4 第三段 妙句成文 每日一句词汇第一步:找谓语第二步:断句第三步:简化主句原因状语从句 英语 写作 2005年考研英语真题小作文 Directions:​​ Two m…...

湖北理元理律师事务所:债务优化如何实现“减负不降质”?

债务压力下,如何在保障基本生活品质的同时科学规划还款,是许多债务人面临的现实难题。湖北理元理律师事务所通过多年实务经验,总结出一套“法律财务心理”的复合型解决方案。本文基于公开案例与法律框架,解析其服务逻辑中的可借鉴…...

python fastapi + react, 写一个图片 app

1. 起因, 目的: 上厕所的时候,想用手机查看电脑上的图片,但是又不想点击下载。此app 应运而生。 2. 先看效果 单击图片,能放大图片 3. 过程: 过程很枯燥。有时候, 有一堆新的想法。 但是做起来太麻烦,…...

Golang的Web应用架构设计

# Golang的Web应用架构设计 介绍 是一种快速、高效、可靠的编程语言,它在Web应用开发中越来越受欢迎。Golang的Web应用架构设计通常包括前端、后端和数据库三个部分。在本篇文章中,我们将详细介绍Golang的Web应用架构设计及其组成部分。 前端 在Golang的…...

软件设计师“UML”真题考点分析——求三连

一、考点分值占比与趋势分析 综合知识题分值统计表 年份考题数量分值分值占比考察重点2018222.67%类图关系、序列图消息流2019334.00%对象图特征、部署图辨析2020222.67%组件图特性、泛化关系2021334.00%聚合/组合区别、交互图应用2022222.67%用例图参与者、状态图转换202344…...

Nginx端口telnet不通排查指南

nginx已经配置server及端口20002,telnet不通:telnet 127.0.0.1 20002 Trying 127.0.0.1... telnet: connect to address 127.0.0.1: Connection refused 一、检查 systemctl status nginx.service nginx: [emerg] bind() to 0.0.0.0:20002 failed (13…...

C++ 函数对象、仿函数与 Lambda 表达式详解

C 函数对象、仿函数与 Lambda 表达式详解 在 C 中,函数对象(Function Object)、仿函数(Functor) 和 Lambda 表达式 是三种实现可调用行为的技术,它们在功能上类似,但语法和适用场景有所不同。 …...

More Effective C++:改善编程与设计(下)

目录 条款19:了解临时对象的来源 条款20:协助完成“返回值优化” 条款21:利用重载技术避免隐式类型转换 条款22:考虑以操作符复合形式(op)取代其独身形式(op) 条款23:考虑使用其他程序库 条款24:了解virtual functions、mul…...

C++:判断闰年

【描述】 判断某年是否是闰年。 【输入】 输入只有一行&#xff0c;包含一个整数a(0 < a < 3000) 【输出】 一行&#xff0c;如果公元a年是闰年输出Y&#xff0c;否则输出N 【样例输入】 2006 【样例输出】 N 【提示】 公历纪年法中&#xff0c;能被4整除的大多是闰年&am…...

C+++STL(一)

/ 文章目录 模版C作为静态类型语言宏可以摆脱数据类型的限制利用宏构建通用函数框架 函数模版函数模版的定义函数模版的使用函数模版的分析实例化函数模版的条件 函数模版扩展二次编译隐式推断类型实参函数模版的重载 bilibili 学习网址&#xff1a;https://www.bilibili.com/…...

C 语言学习笔记(函数2)

内容提要 函数 函数的调用函数的声明函数的嵌套关系函数的递归调用数组做函数参数 函数 函数的调用 调用方式 ①函数语句&#xff1a; test (); //对于无返回值的函数&#xff0c;直接调用 int res max(2,4); //对于有返回值的函数&#xff0c;一般需要在主调函…...

Spring的后置处理器是干什么用的?扩展点又是什么?

Spring 的后置处理器和扩展点是其框架设计的核心机制&#xff0c;它们为开发者提供了灵活的扩展能力&#xff0c;允许在 Bean 的生命周期和容器初始化过程中注入自定义逻辑。 1. 后置处理器&#xff08;Post Processors&#xff09; 后置处理器是 Spring 中用于干预 Bean 生命…...

Java大数据机器学习模型在金融衍生品风险建模中的创新实践

摘要 本文深入探讨Java技术栈在大数据与机器学习领域的独特优势&#xff0c;及其在金融衍生品风险建模中的突破性应用。通过分析分布式计算框架与机器学习库的整合方案&#xff0c;揭示Java在构建复杂金融风险模型时的技术可行性。结合信用违约互换&#xff08;CDS&#xff09…...

leetcode3403. 从盒子中找出字典序最大的字符串 I-medium

1 题目&#xff1a;从盒子中找出字典序最大的字符串 I 官方标定难度&#xff1a; 给你一个字符串 word 和一个整数 numFriends。 Alice 正在为她的 numFriends 位朋友组织一个游戏。游戏分为多个回合&#xff0c;在每一回合中&#xff1a; word 被分割成 numFriends 个 非空…...

Effective C++阅读笔记(item 1-4)

文章目录 理解模板类型推导理解auto类型推导理解decltype学会查看类型推导结果 理解模板类型推导 c的auto特性是建立在模板类型推到的基础上。坏消息是当模板类型推导规则应用于auto环境时&#xff0c;有时不如应用于template时那么直观。我们可能很自然的期望T和传递进函数的…...

python自学笔记4 控制结构

条件语句 略 循环语句 略 range函数 enumerate() 函数 可以将一个可迭代对象转换为一个由索引和元素组成的枚举对象。 索引的起始编号是0&#xff0c;也可以传入第二参数来指定其起始编号 zip函数 打包范围以两者最短的长度为准 以两者较长的长度为准的函数为itertool…...