跳到主要內容

Day 3 運算子與邏輯運算

Day 3 運算子與邏輯運算

引言

昨天的內容中，我們學會了如何定義變數，並認識了 Python 常見的資料型別。變數是用來存放資料的容器，但僅僅把資料放進變數並不能產生實際價值，必須透過運算與比較，才能讓程式根據資料做出反應或產生新的結果。運算子是串接資料與邏輯的橋樑，也是後續條件判斷、迴圈與資料處理的基礎。

這篇文章會帶你認識 Python 的運算子家族，包括處理數值的算術運算子、判斷大小的比較運算子、組合條件的邏輯運算子，以及用簡潔方式更新的賦值運算子。最後會整理運算子的優先順序，幫助你寫出正確又可讀的運算式，避免因為順序錯誤而踩到 bug。

算術運算子

算術運算子負責數值之間的數學運算，是最直覺的一群。Python 支援加、減、乘、除四則運算，也提供整除、取餘數與次方等進階運算。整除與一般除法不同，它會把小數部分捨去，只保留整數結果；取餘數則常用於判斷倍數、環狀索引與週期性資料。

a = 10
b = 3
print(a + b)   # 加法，輸出 13
print(a - b)   # 減法，輸出 7
print(a * b)   # 乘法，輸出 30
print(a / b)   # 除法，輸出 3.3333333333333335
print(a // b)  # 整除，輸出 3
print(a % b)   # 取餘數，輸出 1
print(a ** b)  # 次方，10 的 3 次方，輸出 1000

從輸出可以觀察到，/ 永遠回傳浮點數，即使兩個運算元都是整數也是如此；// 與 % 在運算元都是整數時會回傳整數，若任一運算元是浮點數則回傳浮點數。當你需要保留小數時用 /，需要只取整數部分時用 //。次方運算子 ** 也可以用在浮點數，例如 2 ** 0.5 會得到 2 的平方根，這在做數學運算時相當方便。

另外要注意的是，浮點數的除法因為底層是二進位表示，可能會出現像 0.1 + 0.2 不等於 0.3 的情況。如果需要精確的小數運算（例如金額），可以使用內建的 decimal 模組，或先以「分」為單位計算，最後再除以 100。

比較運算子

比較運算子用來比較兩個值，並回傳布林值 True 或 False。它們是後續條件判斷與篩選資料的基礎。Python 的比較運算子包含等於、不等於、大於、小於、大於等於、小於等於共六種。比較的內容不限於數字，字串、串列等也可以比較，規則是依序比對元素的大小。

x = 5
y = 10
print(x == y)   # 等於，輸出 False
print(x != y)   # 不等於，輸出 True
print(x < y)    # 小於，輸出 True
print(x > y)    # 大於，輸出 False
print(x <= 5)   # 小於等於，輸出 True
print(y >= 10)  # 大於等於，輸出 True
# 字串比較：依 Unicode 編碼逐字比對
print("apple" < "banana")  # True，'a' 的編碼小於 'b'
print("Zoo" < "apple")    # False，大寫 Z 排在小寫 a 之前

比較運算子在實際應用中很常見，例如判斷使用者是否成年、分數是否及格、字串是否相符、串列是否為空等。需要特別注意的是，比較 None 時建議用 is 而不是 ==，這在後續章節會再提到。另外，== 比較的是「值是否相等」，而 is 比較的是「是否為同一個物件」，兩者的意義並不相同。

邏輯運算子

邏輯運算子可以把多個比較結果組合成更複雜的條件。Python 提供 and、or、not 三個關鍵字，分別代表「而且」、「或者」、「否定」。當條件較多時，邏輯運算子能讓程式碼保持簡潔，避免把多個判斷擠在同一行。

age = 20
has_ticket = True

# and：兩個條件都成立才會回傳 True
print(age >= 18 and has_ticket)  # 輸出 True

# or：只要有一個條件成立就回傳 True
is_student = False
print(is_student or age < 12)    # 輸出 False

# not：把布林值反過來
print(not has_ticket)            # 輸出 False

and 與 or 都有「短路求值」的特性：and 在第一個條件為 False 時，就不會再評估第二個條件；or 在第一個條件為 True 時也會提早結束。理解這個特性，可以避免不必要的運算，也能在某些情境下避免錯誤，例如避免對 None 取屬性或索引。

另一個有趣的特性是，and 與 or 並不一定回傳布林值，而是回傳「最後被評估的那個運算元」。例如 0 or "default" 會回傳 "default"，因為 0 在布林情境下被視為 False，於是 or 繼續評估下一個運算元並回傳它。這個特性在設定預設值時很方便，例如 name = user_input or "匿名"。

賦值運算子

賦值運算子除了最基本的 = 之外，還有一群把運算與賦值結合的版本，例如 +=、-=、*= 等。它們可以讓程式碼更精簡，也常出現在累加、累乘、串接字串、合併串列等場景中，是寫出簡潔程式碼的好幫手。

total = 100
total += 5    # 等同 total = total + 5
print(total)  # 輸出 105

total -= 20   # 等同 total = total - 20
print(total)  # 輸出 85

count = 2
count *= 3    # 等同 count = count * 3
print(count)  # 輸出 6

# 也能用在字串與串列
message = "Hello"
message += ", world!"  # 等同 message = message + ", world!"
print(message)         # 輸出 Hello, world!

nums = [1, 2, 3]
nums += [4, 5]          # 等同 nums = nums + [4, 5]
print(nums)             # 輸出 [1, 2, 3, 4, 5]

常見的複合賦值運算子還有 /=、//=、%=、**=，用法都是把右邊的運算結果存回原本的變數。對串列而言，+= 的效果等同於 extend()，會直接把右邊的元素附加到原串列上；如果只是想合併成一份新串列、不動到原本的物件，就要用 +。

運算子優先順序

當一個運算式中同時存在多種運算子時，Python 會依照優先順序決定誰先算。掌握優先順序能幫助你寫出正確的運算式，也能讓你判斷哪些地方需要加括號。許多初學者的 bug 其實都來自於對優先順序的誤解。

# 沒有括號時，次方最高，接著乘除，最後加減
result = 2 + 3 * 4 ** 2
print(result)  # 輸出 50（先算 4**2=16，再算 3*16=48，最後 2+48）

# 用括號明確指定計算順序
result = (2 + 3) * (4 ** 2)
print(result)  # 輸出 80

# 比較與邏輯運算子的順序：先比較再邏輯
score = 85
print(score >= 60 and score < 90)  # True，先算出兩個比較，再做 and

大致的優先順序由高到低為：次方 **、正負號、乘除與整除與取餘數 *／/／//／%、加減 +／-、比較運算子、邏輯 not、邏輯 and、邏輯 or。當你不確定順序時，最保險的做法就是加上括號，讓意圖一目了然，也方便日後除錯。

運算子常見誤用

初學者在使用運算子時，經常會踩到一些常見的坑。認識這些陷阱可以幫助你少走冤枉路，也能在除錯時更快定位問題。

誤用 = 與 ==：在條件判斷裡，= 是賦值，== 才是比較。例如 if x = 5: 在語法上會直接報錯；如果想比較 x 是否等於 5，必須寫成 if x == 5:。

連續比較：Python 支援像數學式一樣的連續比較，這在其他語言並不常見。

score = 75
print(60 <= score <= 100)  # True，等同 60 <= score and score <= 100

整除與負數：整除 // 遇到負數時，會往「小」的方向取整。例如 -7 // 2 的結果是 -4（不是 -3），因為 -3.5 往下取整才是 -4。這在做地板除法時要特別注意。

結語

今天我們認識了 Python 的四大類運算子：算術、比較、邏輯與賦值。算術運算子負責數值運算，比較運算子負責判斷大小與相等，邏輯運算子負責組合條件，賦值運算子則讓變數的更新更精簡。熟悉這些運算子之後，就能開始寫出具有判斷與分支能力的程式。

明天，我們會把比較與邏輯運算子結合在一起，用 if、elif、else 撰寫條件判斷式，讓程式能根據不同情況執行對應的程式碼，這也是寫出有「判斷力」的程式的第一步。

標籤：

留言

張貼留言

這個網誌中的熱門文章

Day 2 變數與資料型別

Day 2 變數與資料型別 引言 寫程式的過程中，變數與資料型別是處理資料的基礎。變數是存放資料的容器，資料型別則決定這筆資料有哪些特性、可以進行哪些操作。學會定義變數、認識各種資料型別，是學好 Python 的關鍵一步。 這篇文章會帶你了解 Python 中變數的觀念、如何定義變數，以及常見的資料型別，包括整數、浮點數、字串、布林值，還有串列、元組、字典與集合等容器型別。我們也會介紹變數的命名規則與撰寫風格建議，以及如何用 type() 檢查資料型別。 什麼是變數？如何在 Python 中定義變數 變數是在程式執行時用來存放資料的名稱。透過定義變數，我們可以給一筆資料一個名字，並在程式的其他地方用這個名字取用該筆資料。在 Python 中，變數不需要事先宣告型別，因為 Python 是動態型別語言，變數的型別由指定給它的值決定。 定義變數的基本語法 在 Python 中定義變數非常簡單，只要用賦值符號 = 把值指定給變數即可。例如： x = 5 # 定義變數 x，並把整數 5 賦值給它 name = "Alice" # 定義變數 name，並把字串 "Alice" 賦值給它 在這裡，x 是一個變數，被賦予整數 5；name 是另一個變數，被賦予字串 "Alice"。 變數的更新與覆寫 變數的值可以修改，也就是說，我們可以在程式的不同地方給同一個變數新的值。例如： x = 10 # x 最初被賦予 10 x = 15 # x 的值現在被更新為 15 這樣就能依照需求，在程式執行過程中靈活調整變數的值。 Python 的動態型別系統 Python 和某些靜態型別語言不同，定義變數時不需要宣告型別。賦值時，Python 會根據值自動判斷變數的型別。例如： x = 5 # x 是整數 x = 3.14 # x 變成浮點數 x = "Hi" # x 變成字串 同一個變數在程式執行過程中可以存放不同型別的值，這是 Python 的彈性之一。 常見資料型別 在 Python 中，資料型別決定我們可以對變數進行哪些操作...
張貼留言
閱讀完整內容

Day 1 Python 簡介與環境設定

Day 1 Python 簡介與環境設定 引言 在現在的科技環境裡，程式設計已經是一項重要技能。無論你是對資料科學有興趣、想成為開發者，或是想踏入人工智慧（AI）領域，學會寫程式都能明顯提升你的競爭力。在眾多程式語言中，Python 因為語法簡單、功能強大、應用範圍廣泛，成為許多人進入程式世界的第一選擇。這篇文章會帶你認識 Python 的背景與優勢，並一步步教你在不同系統上安裝與設定 Python 開發環境，最後寫出第一支 Python 程式。 為什麼選擇 Python？ Python 是一種高階程式語言，由 Guido van Rossum 在 1991 年發布。Python 的設計哲學強調程式碼的可讀性，並用縮排來定義程式區塊，這點和許多使用大括號的語言不同。簡潔的語法讓它成為初學者的理想選擇；就算是經驗豐富的開發者，也能用它完成複雜的專案。 Python 的優勢如下： 簡單易學 ：Python 的語法清楚、結構簡潔，初學者很快就能上手。和其他語言相比，學習曲線相對平緩，不需要先弄懂一堆複雜觀念，就能開始寫程式。 應用範圍廣泛 ：從資料科學、網頁開發、人工智慧、機器學習、自動化測試到網路爬蟲，Python 都有大量開源函式庫與工具支援，而且在這些領域都扮演關鍵角色。 豐富的函式庫與框架 ：Python 的函式庫生態系非常龐大。做資料分析有 NumPy、Pandas；開發網站有 Django、Flask；做深度學習有 TensorFlow、PyTorch。各種需求幾乎都能找到對應的套件，讓開發更有效率。 跨平台支援 ：Python 支援 Windows、macOS、Linux 等作業系統，程式通常不需要太多修改就能跨平台執行，讓開發與部署更有彈性。 活躍的社群 ：Python 擁有龐大的開發者社群。學習或開發上遇到問題，幾乎都能在社群與論壇（例如 Stack Overflow）找到答案，對初學者來說是很強的後盾，也能減少卡關時的挫折感。 Python 的應用領域 Python 的流行與強大功能，讓許多領域都開始大量使用它。以下是幾個常見的應用方向： 資料科學 ：隨著大數據與人工智慧興起，資料科學大量使用 Python。NumPy、Pandas 與 Matplotlib 等工具能處理和分析龐...
張貼留言
閱讀完整內容

Python 從入門到 PyTorch 深度學習：開啟 AI 世界的大門

Python 從入門到 PyTorch 深度學習：開啟 AI 世界的大門 隨著人工智慧（AI）與深度學習（Deep Learning）快速發展，越來越多人對這些技術產生興趣。不論你是想踏入 AI 領域的初學者，還是已經有程式基礎的開發者，學好 Python 與深度學習框架（例如 PyTorch），都能為你打開更多可能。 為什麼選擇 Python？ Python 已經是資料科學與人工智慧領域的首選語言。它的語法簡潔、容易上手，而且擁有龐大的生態系與大量開源函式庫。無論是資料處理、資料視覺化，還是建立機器學習與深度學習模型，Python 都能勝任。對想進入 AI 或資料科學領域的人來說，它幾乎是必備工具。 PyTorch 是什麼？ PyTorch 是由 Meta（原 Facebook）AI 研究團隊開發的開源深度學習框架，以易用、靈活和動態計算圖著稱，是許多 AI 研究人員與開發者的首選。相較於其他框架，PyTorch 的寫法更貼近原生 Python，對初學者相對友善。無論是簡單的實驗，還是複雜的深度學習模型，PyTorch 都能提供強大的支援。 這個系列能帶給你什麼？ 這個系列會從 Python 的基礎開始，帶你一步一步學習，最後能自己用 PyTorch 建立深度學習模型。即使你完全沒有寫過程式，也能跟著文章的節奏累積技能，理解 AI 與深度學習的核心觀念。 本系列涵蓋的主題 Python 基礎：從變數、條件判斷到函式與模組。 資料處理工具：用 NumPy 與 Pandas 有效率地操作資料。 資料視覺化：用 Matplotlib 與 Seaborn 把資料畫成圖表。 深度學習的數學基礎：線性代數、微積分與機率。 PyTorch 入門：理解張量、模型建構與 GPU 加速。 基礎深度學習模型：CNN 與 RNN 的實作應用。 深度學習專案實戰：從資料前處理到模型部署的端到端流程。 誰適合這個系列？ 程式初學者 ：如果你對 AI 充滿好奇，卻還沒寫過程式，系列的第一部分會帶你快速上手 Python，並幫助你理解深度學習的基本觀念。 資料科學愛好者 ：如果你已經熟悉一些資料處理方法，進階部分會教你如何用 PyTorch 建構深度學習模型。 開發者與研究人員 ：想更深入了...
張貼留言
閱讀完整內容