Python の for ループで氷層の秘密を解き明かす

はじめに

地球の表面の大部分を覆う氷が広がり、気候が大きく変化したはるかな未来において、あなたは氷河時代の編年史家としての役割を担っています。あなたの使命は、氷の中のパターンを記録し、世界の気候の履歴を明らかにする層の厚さの違いを目録にすることです。この重要なタスクを遂行するために、あなたは Python の力と for ループ構文によって提供される反復機能を利用する必要があります。これはあなたのデジタルな氷床ドリルです。これにより、過去を理解するだけでなく、氷の成長パターンを分析し予測することで未来に備えることができます。あなたはこの機会に立ち向かい、凍り付いた時間の中に秘められた秘密を解き明かすことができますか？

氷の厚さを調べる

このステップでは、for ループを使って氷層の厚さの測定値のリストを処理する方法を学びます。コアサンプルの異なる層の氷の厚さを表すリストが与えられたと想像してみましょう。これらの層の平均厚さを計算してみましょう。

コーディングを始める前に、作業ディレクトリ /home/labex/project にいることを確認してください。

次に、ice_thickness.py を開き、平均厚さを計算するための次の Python コードを書きます。

## ice_thickness.py

## ミリメートル単位の氷層の厚さを表すサンプルデータ
ice_layers = [120, 150, 90, 200, 180, 75, 140]

## 合計厚さを 0 で初期化
total_thickness = 0

## for ループを使って厚さを合計する
for layer in ice_layers:
    total_thickness += layer

## 平均厚さを計算する
average_thickness = total_thickness / len(ice_layers)

## 平均厚さを表示する
print(f"The average ice layer thickness is {average_thickness} millimeters.")

コードを実行するには、ターミナルでこのコマンドを実行します。

python ice_thickness.py

結果として平均氷層厚さが表示されるはずです。

The average ice layer thickness is 136.42857142857142 millimeters.

未来の氷の成長予測

氷の編年史家としての私たちの旅を続けて、for ループを使って氷層の成長を予測してみましょう。

以前、あなたは氷層の平均厚さを計算しました。今、そのデータを使って未来の氷の成長を予測しましょう。私たちは、氷の厚さが毎年一定の割合で増加すると仮定します。

次に、/home/labex/project/predict_growth.py に次のコードを書いて、次の 5 年間の氷の厚さを予測しましょう。

## predict_growth.py

## 氷層の平均厚さ (ステップ 1 から)
average_thickness = 136.42857142857142  ## あなたが計算した値に置き換えてください

## 氷の厚さが毎年 4% 増加すると仮定した予測モデル
growth_rate = 0.04

## 次の 5 年間の氷の厚さを予測する
for year in range(1, 6):
    future_thickness = average_thickness * ((1 + growth_rate) ** year)
    print(f"Year {year}: {future_thickness:.2f} millimeters")

次のコマンドでこのコードを実行します。

python ~/project/predict_growth.py

次の 5 年間それぞれの予測厚さが表示されます。

Year 1: 141.89 millimeters
Year 2: 147.56 millimeters
Year 3: 153.46 millimeters
Year 4: 159.60 millimeters
Year 5: 165.99 millimeters

まとめ

この実験では、氷河時代の編年史家になることで Python の for ループの凍りついた世界に突入しました。まず、氷層を表す現実世界のデータを処理して平均厚さを計算しました。この基礎的なスキルを身につけた後、Python の力を使って氷の未来の変化を予測し、時間の経過に伴う成長パターンをシミュレートしました。for ループをマスターすることで、私たちは過去の状況をシミュレートするだけでなく、未来を垣間見ることができました。これは、気候変化を理解するために不可欠な手法です。