Direkt zum Inhalt

Ein Einsteigerhandbuch zu Python für Schleifen: Mastering für i im Bereich

Im Bereich der Python-Programmierung ist die Beherrschung von Schleifen von entscheidender Bedeutung. Dieser Lehrgang beleuchtet die Python for i in range Schleife, ein grundlegendes Konstrukt in Python.
Aktualisierte 16. Jan. 2025  · 5 Min. Lesezeit

Im Bereich der Python-Programmierung ist die Beherrschung von Schleifen von entscheidender Bedeutung. Dieser Lehrgang beleuchtet die Python for i in range Schleife, ein grundlegendes Konstrukt in Python, das sich wiederholende Aufgaben vereinfacht. Wir werden uns auf eine Reise begeben, um seine Syntax, seine Vielseitigkeit und seine praktischen Anwendungen zu verstehen.

Die Essenz der for Schleifen in Python

Eine for Schleife in Python ist eine Kontrollstruktur, die verwendet wird, um über eine Sequenz (wie eine Liste, ein Tupel, ein Wörterbuch oder eine Zeichenkette) zu iterieren. Das Schöne an der for Schleife von Python ist, dass sie die Elemente einer Sequenz auf klare und übersichtliche Weise durchlaufen kann.

Die Syntax der for Schleife

for item in sequence:
    # perform actions

Hier steht das Element für jedes Element in der Sequenz und die Schleife führt den Codeblock für jedes Element aus.

Die Funktion range() in Python näher kennenlernen

Die Funktion range() in Python ist entscheidend für die Erzeugung einer Zahlenfolge und bietet eine bessere Kontrolle und Flexibilität in Schleifen.

Die Flexibilität von range()

Verwendung von Einzelargumenten

  • Erzeugt Zahlen von 0 bis n-1.
  • Beispiel: bereich(5) ergibt 0, 1, 2, 3, 4.

Doppelte Verwendung von Argumenten

  • Gibt den Anfang und das Ende der Sequenz an.
  • Beispiel: Bereich(10, 15) ergibt 10, 11, 12, 13, 14.

Verwendung von Dreifach-Argumenten

  • Fügt die Möglichkeit hinzu, den Schritt für die Inkrementierung anzugeben.
  • Beispiel: Bereich(1, 20, 2) ergibt 1, 3, 5, ..., 19.

Praktische Anwendungen und Beispiele

Schleifen über Sammlungen

1. Streicher: Iteriere über jedes Zeichen.

for char in "Hello":
    print(char)
H
e
l
l
o

Diese Schleife durchläuft jedes Zeichen der Zeichenkette "Hallo". Die Schleife for weist jedes Zeichen ('H', 'e', 'l', 'l', 'o') der Reihe nach der Variablen char zu und gibt es aus. Die Ausgabe ist also jedes Zeichen von "Hallo" in einer neuen Zeile.

2. Listen: Gehe durch die Listenelemente.

for num in [1, 2, 3]:
    print(num)
1
2
3

Hier geht die Schleife durch die Liste [1, 2, 3]. In jeder Iteration nimmt num den Wert des nächsten Elements in der Liste an, beginnend mit 1, dann 2 und schließlich 3. Jede Zahl wird gedruckt, so dass die Zahlen 1, 2 und 3 jeweils in einer neuen Zeile erscheinen.

3. Wörterbücher: Zugriffsschlüssel und -werte.

for key, value in {'a': 1, 'b': 2}.items():
    print(key, value)
a 1
b 2

Diese Schleife iteriert über ein Wörterbuch mit zwei Schlüssel-Wert-Paaren ("a": 1 und "b": 2). Die Methode .items() gibt ein View-Objekt zurück, das eine Liste der Schlüssel-Wert-Tupelpaare eines Wörterbuchs anzeigt. Bei jeder Iteration werden Schlüssel und Wert des nächsten Eintrags im Wörterbuch zugewiesen, die dann ausgedruckt werden.

Mechanismen zur Schleifensteuerung

1. Die break Erklärung: Beendet die Schleife vorzeitig.

for i in range(10):
    if i == 5:
        break

Dieser Code iteriert von 0 bis 9 (wie von range(10) erzeugt). Wenn der Wert von i 5 erreicht, ist die Bedingung der if-Anweisung erfüllt und die break-Anweisung wird ausgelöst. Damit wird die Schleife angehalten, obwohl sie noch nicht alle Werte bis 9 durchlaufen hat.

2. Die continue Erklärung: Überspringt die aktuelle Iteration.

for i in range(10):
    if i % 2 == 0:
        continue
    print(i)
1
3
5
7
9

Diese Schleife geht auch von 0 bis 9 durch. Die if-Anweisung prüft jedoch, ob i eine gerade Zahl ist (das ist es, was i % 2 == 0 tut - sie prüft, ob der Rest, wenn i durch 2 geteilt wird, 0 ist). Wenn sie gerade ist, wird die continue-Anweisung ausgeführt, die den Rest des Schleifenkörpers für diese Iteration überspringt. Daher werden nur ungerade Zahlen gedruckt

Fortgeschrittene Techniken mit for Schleifen

1. Verschachtelte Schleifen

Dies ist ein Beispiel für verschachtelte Schleifen, bei denen eine Schleife innerhalb einer anderen liegt. Die äußere Schleife (for i in range(3)) iteriert durch die Zahlen 0, 1 und 2. Bei jeder Iteration der äußeren Schleife durchläuft auch die innere Schleife (for j in range(3)) die Zahlen 0, 1 und 2. Die Anweisung print(i, j) wird für jede Kombination von i und j ausgeführt.

for i in range(3):
    for j in range(3):
        print(i, j)
0 0
0 1
0 2
1 0
1 1
1 2
2 0
2 1
2 2

Die Ausgabe ist eine Reihe von Paaren, die alle Kombinationen von i und j im Bereich von 0 bis 2 darstellen.

2. Schleife mit Aufzählung

Die Funktion enumerate fügt einen Zähler zu einer Iterable hinzu und gibt ihn in Form eines enumerate-Objekts zurück. Dieses Objekt kann direkt in for Schleifen verwendet werden. In diesem Beispiel wird die for Schleife mit enumerate auf eine Liste ['a', 'b', 'c'] angewendet.

for index, value in enumerate(['a', 'b', 'c']):
    print(index, value)
0 a
1 b
2 c

Die Funktion enumerate fügt jedem Eintrag in der Liste einen Index hinzu, der standardmäßig bei 0 beginnt. Die Schleife iteriert dann über dieses Aufzählungsobjekt und packt jedes Element in Index und Wert aus. Der Index ist der Index jedes Elements und der Wert ist das entsprechende Element aus der Liste. Die Ausgabe besteht also aus einer Reihe von Zeilen mit dem Index und dem Wert.

Diese Beispiele zeigen, wie mit verschachtelten Schleifen komplexe Iterationen durchgeführt werden können und wie enumerate verwendet werden kann, um den Index der Elemente in einer Schleife einfach zu verfolgen.

Wie for Schleifen werden in der Datenwissenschaft verwendet

Die for Schleife ist ein wichtiges Konzept in der Python-Programmierung und Datenanalyse. Es hat eine breite Palette von Anwendungen, wie z.B. das Iterieren über Listen und Arrays, was die Datenmanipulation vereinfacht. Ich verwende häufig for Schleifen, insbesondere verschachtelte Schleifen, um mehrdimensionale Datenstrukturen effizient zu verwalten, ein wichtiger Schritt bei der Erstellung von Algorithmen für maschinelles Lernen. Außerdem kombinieren Data Scientists häufig for Schleifen mit bedingter Logik für die komplexe Datenverarbeitung, z. B. für die Aggregation von Daten, wie die Berechnung des Mittelwerts einer Liste von Zahlen.

Bei der Arbeit mit großen Datensätzen und Deep-Learning-Algorithmen sind for Schleifen jedoch möglicherweise nicht die beste Option. Deshalb gibt es Bibliotheken wie NumPy, Pandas und PyTorch, die für vektorisierte Operationen optimiert sind und damit effizienter für die Manipulation großer Datenmengen sind.

Fazit: Die Effizienz der Schleife nutzen

Zusammenfassend lässt sich sagen, dass die for-Schleife von Python ein unverzichtbares Werkzeug für Programmierer ist. Ihre Einfachheit, gepaart mit der Leistungsfähigkeit der range()-Funktion, macht sie ideal für eine Vielzahl von iterativen Aufgaben in der Datenwissenschaft und der allgemeinen Programmierung. Wenn du diese Konzepte übst und anwendest, wirst du feststellen, dass dein Python-Code immer effizienter und ausdrucksstärker wird.

Du kannst mehr über While-Schleifen in unserem vollständigen Tutorial lesen und dieses und andere Konzepte in unserem Python-Kurs für Fortgeschrittene erkunden.


Abid Ali Awan's photo
Author
Abid Ali Awan
LinkedIn
Twitter

Als zertifizierter Data Scientist ist es meine Leidenschaft, modernste Technologien zu nutzen, um innovative Machine Learning-Anwendungen zu entwickeln. Mit meinem fundierten Hintergrund in den Bereichen Spracherkennung, Datenanalyse und Reporting, MLOps, KI und NLP habe ich meine Fähigkeiten bei der Entwicklung intelligenter Systeme verfeinert, die wirklich etwas bewirken können. Neben meinem technischen Fachwissen bin ich auch ein geschickter Kommunikator mit dem Talent, komplexe Konzepte in eine klare und prägnante Sprache zu fassen. Das hat dazu geführt, dass ich ein gefragter Blogger zum Thema Datenwissenschaft geworden bin und meine Erkenntnisse und Erfahrungen mit einer wachsenden Gemeinschaft von Datenexperten teile. Zurzeit konzentriere ich mich auf die Erstellung und Bearbeitung von Inhalten und arbeite mit großen Sprachmodellen, um aussagekräftige und ansprechende Inhalte zu entwickeln, die sowohl Unternehmen als auch Privatpersonen helfen, das Beste aus ihren Daten zu machen.

Themen

Learn More Python! 

Kurs

Intermediate Python

4 hr
1.2M
Level up your data science skills by creating visualizations using Matplotlib and manipulating DataFrames with pandas.
Siehe DetailsRight Arrow
Kurs starten
Mehr anzeigenRight Arrow
Verwandt

Der Blog

Lehrer/innen und Schüler/innen erhalten das Premium DataCamp kostenlos für ihre gesamte akademische Laufbahn

Keine Hacks, keine Tricks. Schüler/innen und Lehrer/innen, lest weiter, um zu erfahren, wie ihr die Datenerziehung, die euch zusteht, kostenlos bekommen könnt.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

4 Min.

Der Blog

Die 20 besten Snowflake-Interview-Fragen für alle Niveaus

Bist du gerade auf der Suche nach einem Job, der Snowflake nutzt? Bereite dich mit diesen 20 besten Snowflake-Interview-Fragen vor, damit du den Job bekommst!
Nisha Arya Ahmed's photo

Nisha Arya Ahmed

20 Min.

Der Blog

Die 32 besten AWS-Interview-Fragen und Antworten für 2024

Ein kompletter Leitfaden zur Erkundung der grundlegenden, mittleren und fortgeschrittenen AWS-Interview-Fragen, zusammen mit Fragen, die auf realen Situationen basieren. Es deckt alle Bereiche ab und sorgt so für eine abgerundete Vorbereitungsstrategie.
Zoumana Keita 's photo

Zoumana Keita

30 Min.

Der Blog

Top 30 Generative KI Interview Fragen und Antworten für 2024

Dieser Blog bietet eine umfassende Sammlung von Fragen und Antworten zu generativen KI-Interviews, die von grundlegenden Konzepten bis hin zu fortgeschrittenen Themen reichen.
Hesam Sheikh Hassani's photo

Hesam Sheikh Hassani

15 Min.

Der Blog

Q2 2023 DataCamp Donates Digest

DataCamp Donates hat im zweiten Quartal 2023 über 20.000 Stipendien an unsere gemeinnützigen Partner vergeben. Erfahre, wie fleißige benachteiligte Lernende diese Chancen in lebensverändernde berufliche Erfolge verwandelt haben.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

Der Blog

2022-2023 DataCamp Classrooms Jahresbericht

Zu Beginn des neuen Schuljahres ist DataCamp Classrooms motivierter denn je, das Lernen mit Daten zu demokratisieren. In den letzten 12 Monaten sind über 7.650 neue Klassenzimmer hinzugekommen.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

8 Min.

Mehr anzeigenMehr anzeigen