第三章 Python基础回顾：变量与数据类型、控制流、函数与文件操作
各位同学，欢迎来到第三章。这一章咱们要干一件很实在的事——把Python基础再过一遍。你可能会想：「Python基础？我早就会了。」嗯，我理解。但做仿真脚本开发，跟写普通脚本不太一样。有些坑，我当年踩过，今天帮你提前绕开。
说白了，这一章不是教你Python，而是教你「仿真脚本里怎么用Python」。咱们直奔主题。
3.1 变量与数据类型——别小看这步
变量这东西，谁不会？但我在项目中见过太多人因为变量类型搞错，仿真跑了一整夜，结果数据全废了。你想想看，多冤。
Python的变量是动态类型的，这既是好事也是坏事。好事是写起来快，坏事是——你一不小心就把字符串当数字算了。
核心数据类型速览
- int / float：整数和浮点数。仿真里最常用，比如时间步长、电压值。
- str：字符串。文件路径、日志信息、参数名，全是它。
- list：列表。仿真结果序列、参数列表，用list存最方便。
- dict：字典。配置参数、键值对数据，我几乎每个脚本都用。
- tuple：元组。不可变，适合存固定参数，比如仿真起止时间。
- bool：布尔值。控制流程开关，比如是否启用某个模块。
# 我习惯这样定义仿真参数
sim_start = 0.0 # float
sim_end = 100.0 # float
time_step = 0.01 # float
output_path = "./results/" # str
parameters = {
"temperature": 25.0,
"voltage": 1.8,
"frequency": 100e6
} # dict
我的小习惯：变量名用全小写+下划线，别用驼峰。仿真脚本一长，驼峰看着眼睛疼。另外，常量用全大写，比如 MAX_ITER = 1000，一眼就知道不能改。
3.2 控制流——让脚本学会做决定
控制流就是让脚本「长脑子」。if判断条件，for/while循环干活。仿真脚本里，控制流用得特别多。
3.2.1 if/elif/else——条件判断
我曾经写过一个仿真脚本，跑了一整天，结果发现有个参数超出范围了，整个结果全废。从那以后，我每条数据进来都先做合法性检查。
temperature = float(input("请输入温度值: "))
if temperature < -40:
print("温度过低，超出仿真范围")
elif temperature > 125:
print("温度过高，超出仿真范围")
else:
print(f"温度 {temperature}°C 在有效范围内，开始仿真")
注意：Python用缩进表示代码块，千万别混用空格和Tab。我建议统一用4个空格。编辑器里设置一下，一劳永逸。
3.2.2 for循环——遍历数据
for循环是仿真脚本的主力。遍历时间步、遍历参数组合、遍历文件列表，全用它。
# 遍历时间步
time_points = [0.0, 0.01, 0.02, 0.03, 0.04, 0.05]
for t in time_points:
result = simulate(t) # 假设simulate是仿真函数
print(f"时间 {t}s: 结果 = {result}")
你想想看，如果手动写这些循环，得写到什么时候去？
3.2.3 while循环——条件循环
while循环适合不知道要循环多少次的情况。比如等待某个信号稳定。
# 等待信号稳定
signal_ready = False
while not signal_ready:
signal_ready = check_signal() # 检查信号状态
time.sleep(0.1) # 等100ms再查
print("信号已稳定，开始采集数据")
避坑指南：while循环一定要有退出条件，不然就死循环了。我曾经调试一个脚本，忘了加退出条件，结果跑了整整一个周末……嗯，不说了。
3.3 函数定义与调用——模块化的起点
函数是模块化的最小单元。我写仿真脚本，第一件事就是把重复代码抽成函数。为什么？因为改一处就行，不用到处找。
3.3.1 定义函数
def calculate_average(data_list):
"""计算列表的平均值"""
total = sum(data_list)
count = len(data_list)
return total / count if count > 0 else 0
注意那个文档字符串（docstring），用三个双引号括起来。我建议每个函数都写，哪怕只有一行。为什么？因为三个月后你自己回来看，也记不清当初怎么想的了。
3.3.2 参数传递
Python的参数传递，说白了就是「传对象引用」。可变对象（如list）在函数内修改会影响外部，不可变对象（如int、str）不会。
def add_parameter(params, key, value):
"""向参数字典中添加一项"""
params[key] = value # 会修改外部字典
config = {"time": 100}
add_parameter(config, "step", 0.01)
print(config) # 输出: {'time': 100, 'step': 0.01}
我的建议：函数尽量短，一个函数只做一件事。如果一个函数超过30行，就该拆分了。这是模块化的基本功。
3.4 文件读写操作——数据持久化
仿真脚本最终要跟文件打交道。读配置文件、写结果数据、保存日志，全是文件操作。
3.4.1 读文件
# 读取配置文件
with open("config.txt", "r", encoding="utf-8") as f:
for line in f:
print(line.strip()) # strip()去掉换行符
用 with open 是标准做法，它会自动关闭文件。我见过有人忘了关文件，导致数据没写进去，仿真白跑。
3.4.2 写文件
# 保存仿真结果
results = [0.1, 0.2, 0.15, 0.18, 0.22]
with open("results.txt", "w", encoding="utf-8") as f:
for i, val in enumerate(results):
f.write(f"第{i+1}次仿真: {val:.4f}\n")
注意模式："w" 会覆盖原文件，"a" 是追加。我建议第一次写用 "w"，后续追加用 "a"。别搞混了，不然数据丢了找不回来。
3.4.3 CSV文件——仿真数据的最爱
CSV格式简单，Excel能打开，Python也好处理。我几乎所有仿真结果都用CSV存。
import csv
# 写CSV
data = [
["时间", "温度", "电压"],
[0.0, 25.0, 1.8],
[0.01, 25.1, 1.79],
[0.02, 25.2, 1.78]
]
with open("simulation_data.csv", "w", newline="", encoding="utf-8") as f:
writer = csv.writer(f)
writer.writerows(data)
小技巧：用 newline="" 避免CSV文件出现空行。这个坑我踩过，当时查了半天才发现是换行符的问题。
3.5 本章知识体系
下面这张图，是我梳理的本章知识结构。你可以把它当一张地图，学完一章回头看看，心里就有数了。
这张图把本章内容串起来了。你学完每个小节，回来看看它在图中的位置，就知道自己学到哪了。
好了，这一章就到这里。记住，基础不牢，地动山摇。把这些基础练扎实了，后面写仿真脚本才能得心应手。