京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师 出品
作者:CDA明星讲师 曹鑫
编辑:Mika
大家好,今天我们来讲讲函数返回结果。但是我们拿来的这个函数还是稍显复杂的。
返回斐波那契数列的 n 项,我们定义 def fibo (n) ,fibo 是我自己取的一个名字,n 代表我要返回多少项,然后冒号是函数的开头结尾,然后下面要缩进。
开始写 a 等于 0,b等于1,i=0,result 等于一个空的列表,这都是我们提前的预知变量。
然后while i 小于 n,就是说如果我想要5个,我这个 i 如果小于5的话,我就执行下面的操作。
i是什么?i 开始是 0,也就是从第0的位置,一个值开始。
那 0 肯定是小于 5 的, 接着 result.append (a) 。a 是什么?a 是 0,它第一个位置就是 0 。
接下来这个特别重要,a,b=b, a+b, 也就是同时赋值。a 被赋值为b,b被赋值为 a+b 。
这里一定要记住了, a 这个时候是 0,但是 b 是 1,所以这个赋值的时候,a 就变成了 1 了,接下来 b 被赋值成 a+b。
注意这里的 a 依然是 0,1 是 1,因为负值是同时产生的,你不能把这里赋值完值的 a 再拿到这里来用。
这后面 b 就是 1,a 就是 0,b 就是 1,这时候 a 和 b 就分别又被赋值成了1和0+1 也是1,然后 i=i+1,去为了下一次循环做准备。
接下来第二个, i=i+1 之后,i 依然是小于 5 的,继续把 result.append 刚刚 a它已经被赋值为 1 了,1 进去之后再继续求 a,b 分别是 b 和 a+b 的赋值,也就是这么一个循环,不断的去进行,直到 i 不小于你给出的 n ,就得到了一个结果。
就把这个结果给 return出来,return 就是返回结果的方式,我们运行一下,然后把 fibo改成 10,我们就得到了 0、1、1这样一个10位的斐波那契数列。
为什么这里可以自动打印出来?
首先 return 了,就是把这个值返回过来了,同时在 jupyter notebook 里面默认最后一行是打印的,所以这里有个 print操作,就可以把这个结果显示出来。
这里最重要的要理解的就是这个 a,b它在做同时赋值的时候一定是用原始的值来求的。
如果你把它分开,分成 a=b ,然后再用b=a+b 的话,这个时候它就有一个先后运算的关系了,而在这里它是同时运行的,这里需要大家好好理解。
接下来我们来讲讲遍历的操作。
我这里有一个 n ,那遍历三次的话就是 for i in range (n) ,然后 print (i)。我们就会得到0、1、2 那个结果。为什么呢?
因为 range (n) 它其实意思就是 range (0) 到你的 n,这里是 3,就是 0 到 3 这样一个范围,这是我们最常用的遍历的方式。
当大家不知道这个 range 是什么的时候,可以用 range (n) 把它打印出来看一下,它会返回什么结果。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14