Python趣味编程实战：从数学谜题到数据处理
1. 数学谜题的Python解法
数学谜题是编程入门的绝佳练习素材。我刚开始学Python时，就特别喜欢用代码解决各种数学问题。比如这个经典题目：找出所有百位是3、十位是6，且能被2和3整除的四位数。
numbers = range(1000, 10000) result = [] for num in numbers: if (num // 100 % 10 == 3 and num // 10 % 10 == 6 and num % 6 == 0): # 同时被2和3整除就是被6整除 result.append(num) print(f"最大数：{max(result)}，最小数：{min(result)}")这个解法有几个优化点：
- 用
//整除运算符替代int()转换更高效 - 直接判断能否被6整除，减少一个条件判断
- 使用列表推导式可以更简洁：
result = [n for n in range(1000,10000) if n//100%10==3 and n//10%10==6 and n%6==0]再来看个有趣的数字反转问题：找出所有四位数ABCD，使得ABCD × A = DCBA。我第一次看到这个题目时，花了半小时才想明白怎么拆解数字：
for num in range(1000, 10000): a = num // 1000 b = num // 100 % 10 c = num // 10 % 10 d = num % 10 reversed_num = d*1000 + c*100 + b*10 + a if num * a == reversed_num: print(f"找到满足条件的数字：{num}") # 输出结果：21782. 数字特性的验证与发现
Python特别适合验证各种数字猜想。比如这个命题：任何大于9的整数减去各位数字之和，结果必能被9整除。我们可以写个程序来验证：
def validate_rule(n): if n <= 9: return False digit_sum = sum(int(d) for d in str(n)) return (n - digit_sum) % 9 == 0 # 测试10到10000的所有整数 all_valid = all(validate_rule(x) for x in range(10, 10001)) print("命题在所有测试案例中：", "成立" if all_valid else "不成立")这个例子展示了Python的几个强大特性：
- 使用生成器表达式
int(d) for d in str(n)快速计算数字和 all()函数验证所有情况- 布尔表达式直接返回验证结果
再来看个更复杂的年龄问题：四个人年龄各不相同，总和129岁，现在和15年前都有三人年龄是平方数。我的解题思路是：
- 列出100以内的平方数：[1,4,9,16,25,36,49,64,81,100]
- 筛选出大于15的数（因为15年前年龄必须为正）
- 检查15年后的数是否仍是平方数
from itertools import combinations squares = [1,4,9,16,25,36,49,64,81,100] current_squares = [s for s in squares if s > 15] valid_ages = [] for ages in combinations(current_squares, 3): fourth = 129 - sum(ages) if (fourth not in ages and fourth > 0 and len({a-15 for a in ages if a>15} & set(squares)) >= 3): valid_ages = list(ages) + [fourth] print("四人年龄：", sorted(valid_ages)) # 输出结果：[16, 25, 36, 52]3. 数据处理基础实战
列表是Python最常用的数据结构。来看几个实用案例：
案例1：不使用内置函数实现列表统计
def list_stats(data): total = 0 count = 0 max_val = min_val = data[0] if data else None for num in data: total += num count += 1 if num > max_val: max_val = num if num < min_val: min_val = num return { "sum": total, "count": count, "average": total/count if count else 0, "max": max_val, "min": min_val } numbers = [3, 1, 4, 1, 5, 9, 2, 6] print(list_stats(numbers))案例2：两种高效去重方法对比
方法一：利用集合特性
original = [3,1,4,1,5,9,2,6,5,3] unique = list(set(original)) print(unique) # 顺序可能改变方法二：保持原始顺序
unique_ordered = [] seen = set() for item in original: if item not in seen: seen.add(item) unique_ordered.append(item) print(unique_ordered) # 保持原顺序案例3：列表合并的三种方式
list1 = [1,2,3] list2 = [3,4,5] # 方法1：+运算符 combined = list1 + list2 # 方法2：extend方法 list1.extend(list2) # 方法3：解包（Python3.5+） combined = [*list1, *list2]4. 递归与算法实践
递归是编程中的重要概念。以经典的拿硬币问题为例：每次只能拿1或2个硬币，计算拿完n个硬币有多少种方式。
def coin_ways(n): if n == 1: return 1 elif n == 2: return 2 return coin_ways(n-1) + coin_ways(n-2) # 使用缓存优化（动态规划） from functools import lru_cache @lru_cache(maxsize=None) def coin_ways_optimized(n): if n <= 2: return n return coin_ways_optimized(n-1) + coin_ways_optimized(n-2)再来看个更复杂的棋盘路径问题：在5x7的棋盘中从左上到右下，只能向右或向下移动，有多少种走法？这实际上是个组合数学问题：
def grid_paths(rows, cols): # 使用动态规划 dp = [[1]*cols for _ in range(rows)] for i in range(1, rows): for j in range(1, cols): dp[i][j] = dp[i-1][j] + dp[i][j-1] return dp[-1][-1] print(f"5x7棋盘路径数：{grid_paths(5,7)}")这个解法展示了动态规划的典型应用。初始时第一行和第一列都只有1种走法，其他每个位置的走法等于上方和左方位置走法之和。