Boucles For en Python

Introduction

Dans un lointain avenir où le climat a changé et où la glace recouvre une grande partie de la surface de la planète, vous vous retrouvez dans le rôle d'un chroniqueur de l'âge glaciaire. Votre mission est de documenter les modèles dans la glace, en cataloguant l'épaisseur variable des couches qui révèlent l'histoire du climat mondial. Pour accomplir cette tâche cruciale, vous devrez utiliser le pouvoir de Python et les capacités d'itération fournies par la structure de boucle for - votre foreuse numérique de carotte de glace. Cela nous permettra non seulement de comprendre le passé, mais également de nous préparer à l'avenir en analysant et en prédisant les modèles de croissance de la glace. Êtes-vous prêt à relever le défi et à aider à découvrir les secrets enfouis dans le temps?

Skills Graph

Exploration de l'épaisseur de la glace

Dans cette étape, vous allez apprendre à utiliser les boucles for pour traiter une liste de mesures d'épaisseur des couches de glace. Imaginez que vous avez reçu une liste représentant l'épaisseur de la glace à différentes couches d'un échantillon de carotte. Calculons l'épaisseur moyenne de ces couches.

Avant de coder, assurez-vous d'être dans le répertoire de travail /home/labex/project.

Maintenant, ouvrez ice_thickness.py et écrivez le code Python suivant pour calculer l'épaisseur moyenne.

## ice_thickness.py

## Données d'échantillonnage représentant les épaisseurs des couches de glace en millimètres
ice_layers = [120, 150, 90, 200, 180, 75, 140]

## Initialisez l'épaisseur totale à 0
total_thickness = 0

## Utilisez une boucle for pour additionner les épaisseurs
for layer in ice_layers:
    total_thickness += layer

## Calculez l'épaisseur moyenne
average_thickness = total_thickness / len(ice_layers)

## Affichez l'épaisseur moyenne
print(f"L'épaisseur moyenne des couches de glace est de {average_thickness} millimètres.")

Pour exécuter le code, exécutez cette commande dans votre terminal :

python ice_thickness.py

Vous devriez voir l'épaisseur moyenne des couches de glace affichée en résultat :

L'épaisseur moyenne des couches de glace est de 136.42857142857142 millimètres.

Prédiction de la croissance future de la glace

En poursuivant notre parcours en tant que chroniqueur de la glace, prédisons la croissance des couches de glace à l'aide d'une boucle for.

Précédemment, vous avez calculé l'épaisseur moyenne des couches de glace. Maintenant, utilisez ces données pour projeter la croissance future de la glace. Nous supposerons que l'épaisseur de la glace augmente de pourcentage chaque année.

Ensuite, écrivez le code suivant pour prédire l'épaisseur de la glace au cours des cinq prochaines années dans /home/labex/project/predict_growth.py :

## predict_growth.py

## Épaisseur moyenne des couches de glace (de l'Étape 1)
average_thickness = 136.42857142857142  ## Remplacez par la valeur que vous avez calculée

## Modèle de prédiction supposant une croissance de 4% de l'épaisseur de la glace par an
growth_rate = 0.04

## Prédire l'épaisseur de la glace au cours des cinq prochaines années
for year in range(1, 6):
    future_thickness = average_thickness * ((1 + growth_rate) ** year)
    print(f"Année {year}: {future_thickness:.2f} millimètres")

Exécutez ce code avec la commande suivante :

python ~/project/predict_growth.py

Vous verrez les épaisseurs prédites pour chacune des cinq prochaines années :

Année 1: 141.89 millimètres
Année 2: 147.56 millimètres
Année 3: 153.46 millimètres
Année 4: 159.60 millimètres
Année 5: 165.99 millimètres

Sommaire

Dans ce laboratoire, nous sommes plongés dans le monde glacé des boucles for en Python en devenant un chroniqueur de l'âge glaciaire. Nous avons commencé par traiter des données du monde réel représentant les couches de glace pour calculer l'épaisseur moyenne. Avec cette compétence de base établie, nous avons ensuite utilisé le pouvoir de Python pour prédire les changements futurs dans la glace, en simulant les modèles de croissance au fil du temps. En maîtrisant la boucle for, nous avons non seulement simulé les conditions passées, mais également entrevu l'avenir, une méthodologie cruciale pour comprendre le changement climatique.