《C游记》 第二章 - 初识分支句 循环助本心(贰)

简介: 《C游记》 第二章 - 初识分支句 循环助本心(贰)

image.gif

目录

 👻 前引

(壹)while语句

🎨  1.1  while的执行流程

🎨  1.2  while语句中的break和continue

(贰)for循环

🎨 2.1语法

🎨 2.2 执行流程

🎨 2.3 while和for对比

🎨 2.4 break和continue

🎨 2.5 小建议

🔑一道笔试题

(叁)do...while()循环

🎨  3.1 do语句的语法

🎨  3.2 执行流程

🎨  3. 3 do语句的特点

  🧾  课后小练习  


《C游记》 第二章 - 初识分支句 循环助本心(壹)_forever_bryant的博客-CSDN博客


👻 前引

我们已经掌握了,if语句

if(条件)     
语句;

当条件满足的情况下,if语句后的语句执行,否则不执行。但是这个语句只会执行一次。

但是我们发现生活中很多的实际的例子是:同一件事情我们需要完成很多次。image.png那我们怎么做呢? C语言中给我们引入了:while语句,可以实现循环。


(壹)while语句

2.png


🎨  1.1  while的执行流程image.png


比如我们实现:

在屏幕上打印1-10的数字。4.png


🎨1.2  while语句中的break和continue

🎈  1.2.1 break介绍

5.png6.png


总结: break在while循环中的作用:

       其实在循环中只要遇到break,就停止后期的所有的循环,直接终止循环。 所以:while中的break是用于永久终止循环的。

答案揭晓

10.png


🎈  1.2.2 continue介绍

11.png12.png


总结: continue在while循环中的作用就是:

       continue是用于终止本次循环的,也就是本次循环中continue后边的代码不会再执行,而是直接跳转到while语句的判断部分。进行下一次循环的入口判断。

答案揭晓3.gif是的,它陷入了死循环!!(这是一个GIF)

跳过了后面的 i++ 使得i一直为5,无法继续跳出循环4.gif

🎯(贰)for循环

🏓  2.1语法

20.png

表达式1 表达式1为初始化部分,用于初始化循环变量的。

表达式2 表达式2为条件判断部分,用于判断循环时候终止。

表达式3 表达式3为调整部分,用于循环条件的调整。


✨  2.1.1  实际的问题:

使用for循环 在屏幕上打印1-10的数字。21.png


🏓  2.2 执行流程22.png


🏓  2.3 while和for对比23.png24.png

可以发现在while循环中依然存在循环的三个必须条件,但是由于风格的问题使得三个部分很可能偏离较远,这样查找修改就不够集中和方便

所以,for循环的风格更胜一筹。 for循环使用的频率也最高。



🏓 2.4 break和continue

我们发现在for循环中也可以出现break和continue,他们的意义和在while循环中是一样的。 但是还是有些差异:

25.png

大家看看这段代码会出现什么结果?26.png

芜湖!循环成功走完!


🏓 2.5 小建议

  1. 不可在for 循环体内修改循环变量,防止 for 循环失去控制。
  2. 建议for语句的循环控制变量的取值采用“前闭后开区间”写法。27.png

    28.png

🔑🔑一道笔试题

29.png

一次都不循环哦😎

因为 中间的 k = 0(赋值操作) 的返回值为0 表示判断条件为假,不进入循环

30.gif

叁)do...while()循环

🥇  3.1 do语句的语法:

31.png

🥇  3.2 执行流程32.png🥇  3. 3 do语句的特点

循环至少执行一次,使用的场景有限,所以不是经常使用。

33.png


📞📞课后小练习

  1. 计算 n的阶乘。
  2. 计算 1!+2!+3!+……+10!

34.gif35.gif

目录
相关文章
|
6天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
263 155
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
200 105
|
9天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
680 5
|
12天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
805 152