一、在控制台中输出以下字符样式：

"""

*****

*****

*****

"""

for r in range(3):#0 1 2

for c in range(5):#01234 01234 01234

print("*",end = "") #在一行输出

print() #换行

二、在控制台中输出以下字符样式

"""

******

######

******

######

"""

for r in range(4):#０　　　　　　１　　　　　　　２　　　　３

for c in range(6):if r % 2 ==0:print("*", end="")else:print("#", end="")print() #换行

三、在控制台中输出以下字符样式

"""

4行 内层循环索引

#　　　　0

## 01

### 012

#### 0123

"""

for r in range(4):#0 1 2 3

for c in range(r+1):#0 01 012 0123

print("#", end="")print()

四、在控制台中输出以下字符样式

"""

4行 空格　　　　＃

####　　　　　　　　　 0123

###　 0 012

##　 01 01

#　 012 0

"""

for r in range(4):#0 1 2 3

for c in range(r):#0 01 012

print(" ", end="")for c in range(4-r):#0123 012

print("#", end="")print()

五、列表中是否具有相同元素

[1,4,7,4,8,0,6]

核心：所有元素间两两比较

思想：

取出第一个元素，与后面(1,2,3....)进行比较．

取出第二个元素，与后面(2,3....)进行比较．

取出第三个元素，与后面(3....)进行比较．

list01 = [1, 4, 7, 4, 8, 0, 6]#if list01[0] == list01[1]:#print("具有相同元素")#

#if list01[0] == list01[2]:#print("具有相同元素")#

#if list01[0] == list01[3]:#print("具有相同元素")

## 取出第一个元素，与后面(1,2,3....)进行比较．#for c in range(1,len(list01)):#if list01[0] == list01[c]:#print("具有相同元素")#

## 取出第二个元素，与后面(2,3....)进行比较．#for c in range(2,len(list01)):#if list01[1] == list01[c]:#print("具有相同元素")#

## 取出第三个元素，与后面(3....)进行比较．#for c in range(3,len(list01)):#if list01[2] == list01[c]:#print("具有相同元素")

state= False #假设没有相同元素#取出前几个元素

for r in range(len(list01) - 1):#与后面元素进行比较

for c in range(r + 1, len(list01)):#如果发现相同元素

if list01[r] ==list01[c]:

state=Truebreak #只能退出就近(内)循环体

ifstate:break #退出外层循环

ifstate:print("具有相同元素")else:print("没有相同元素")

六、# 对列表进行排序：　　[1,4,7,4,8,0,6]

# 核心：两两元素进行比较

# 发现更大的或者更小的则交换

# 降序　　　　　升序

for r in range(len(list01) - 1):for c in range(r + 1, len(list01)):if list01[r] >list01[c]:#交换

list01[r], list01[c] =list01[c], list01[r]print(list01)

 用python做图像处理。有些特殊需求需要用双重for循环遍历图像来操作例如下面代码

def getbinarizationimg(simg, targeth, targetw):
    print(simg.shape)
    h,w,c = simg.shape
    box = np.zeros((h, w),dtype=np.uint8)
    pole = np.zeros((h, w),dtype=np.uint8)
    
    for u in range(h):
        for v in range(w):
            if simg[u][v][0] == 0 and simg[u][v][1] == 220 and simg[u][v][2] == 220:
                box[u][v] = 255
    img_box = cv2.resize(box, (targetw, targeth), fx=0, fy=0,
interpolation=cv2.INTER_NEAREST)
    return img_box

图像大小为1024 * 2048 .主函数中测试结果如下

elapse_time =  3.5969557762145996
elapse_time =  3.608659029006958
elapse_time =  3.667614459991455
elapse_time =  3.546481132507324

直接疯掉的节奏啊。后来看到KCF算法中有个加速方法，拿来用用

from numba import jit


@jit()
def getbinarizationimg(simg, targeth, targetw):
    print(simg.shape)
    h,w,c = simg.shape
    box = np.zeros((h, w),dtype=np.uint8)
    pole = np.zeros((h, w),dtype=np.uint8)
    
    for u in range(h):
        for v in range(w):
            if simg[u][v][0] == 0 and simg[u][v][1] == 220 and simg[u][v][2] == 220:
                box[u][v] = 255
    img_box = cv2.resize(box, (targetw, targeth), fx=0, fy=0,
interpolation=cv2.INTER_NEAREST)
    return img_box

elapse_time =  0.29776477813720703
elapse_time =  0.0017366409301757812
elapse_time =  0.001975536346435547
elapse_time =  0.001725912094116211
elapse_time =  0.0018794536590576172

 性能差不少啊。

输出：

1
12
123
1234
12345
1234
123
12
1

for i in range(1,6):
    for j in range(1,i+1):
        print(j,end=" ")
    print()
for i in range(4,0,-1):
    for j in range(1,i+1):
        print(j,end=" ")
    print()

输出：
         1
       1 2 1
     1 2 3 2 1
   1 2 3 4 3 2 1

for i in range(1,5):
    a=''
    for j in range(1,i+1):
        a+=str(j)
    b=a+a[-2::-1]
    print(" "*((5-i)*2),' '.join(b))

输出：
0
12
345
6789

a=0
b=1
for i in range(1,5):
    for j in range(a,b):
        print(j,end='')
    print()
    a=a+i
    b=b+i+1