### Python 函数实现判断、循环和数组构造的方法 #### 判断语句的函数封装 在 Python 中，可以通过定义函数来封装复杂的判断逻辑。以下是一个简单的例子，展示如何将多个条件组合到一个自定义函数中： ```python def check_value(x): if x > 0: return "Positive" elif x == 0: return "Zero" else: return "Negative" result = check_value(-5) print(result) # 输出 Negative ``` 此代码片段展示了如何通过 `if-elif-else` 构造来进行分支决策，并将其抽象成可重用的功能模块[^1]。 #### 循环结构的函数化应用 同样地，也可以把循环操作放入函数体内以便于管理和调用。下面的例子演示了怎样利用 for 和 while 循环完成重复任务的同时保持良好的组织性： ```python def sum_numbers(n): total = 0 for i in range(1, n + 1): # 使用range()生成指定范围内的整数序列并迭代访问每一个元素 total += i # 累加求和 return total # 返回最终结果 total_sum = sum_numbers(10) print(total_sum) # 输出 55 def countdown(start): current = start while current >= 0: # 当前计数值大于等于零时继续运行 print(current) if current == 3: # 如果遇到特殊值则提前结束整个流程 break # 跳出最近一层循环体 current -= 1 # 更新变量准备下次检验 countdown(5) # 屏幕显示从5倒序至3之后中断 ``` 这里不仅体现了基础的累加算法还有带异常情况处理的标准模式[^2][^3]。 #### 数组构造的技术手段 为了提高效率与兼容性，在科学计算领域经常需要用到专门设计的数据容器——如 NumPy 提供的一维或多维度数组类型 ndarray 。我们来看一段示范创建随机矩阵并向其中填充固定数值的过程： ```python import numpy as np def create_random_matrix(rows, cols, fill=0): matrix = np.random.rand(rows, cols)*100 # 初始化大小为rows×cols的二维浮点型数组，取值区间位于[0.0 ,100.0） mask = (matrix % 2 != 0).astype(int) *fill # 寻找奇数位置设置标记位 result = ((mask==0)+matrix)/((mask!=0)+1)# 对应位置替换原有内容或者保留不变 return result.astype('int') # 将所有成分强制转化为整数表示形式 random_mat = create_random_matrix(4, 4,99 ) print(random_mat) ``` 上述脚本先生成了一张由伪随机产生的实数构成的大致框架图谱，接着依据预设规则筛选符合条件的部分替换成特定常量其余部分维持现状最后输出整形版成品[^1]。 ---