这次Python3基础课是第三次课的第2篇，主题是运算符与条件结构。听起来没有“AI人工智能”那么唬人，但这两块恰恰是所有代码的基本功——哪怕你后面去写神经网络、写数据处理脚本，也绕不开加减乘除、大小判断、真假分支。这篇文章是我在讲完课之后整理出来的笔记，把每一个运算符的坑、条件判断的写法，以及一个和AI场景沾边的小实战都放在里面了。不管你是完全零基础，还是刚看完语法还在懵的状态，今天按这篇文章走一遍，再去自己敲几遍，这块地基就算打牢了。

1. 课程背景与内容定位

1.1 为什么学Python要先啃透运算符

我接触不少准备转AI方向的新人，一上来就急着去啃深度学习框架，结果连个损失函数里的求平均值都看不懂，更别说理解梯度下降时那些更新公式了。原因很简单：底层的Python运算不熟，框架代码对你来说就是天书。运算符是程序“做计算”的核心工具，加减乘除、取整取余、比较大小、逻辑判断，这些看似基础的东西，在AI领域里无处不在。

举个例子：做数据归一化的时候，要找出特征列的最大值和最小值，这就是比较运算；把原始数据减去均值再除以标准差，这是算术运算；判断一个样本是否满足筛选条件（比如年龄大于18且收入不低于5000），这就是逻辑运算和条件结构。没有这些东西，程序只能一条路走到黑，AI模型也就谈不上智能决策了。

这一节我建议你把它当作“查漏补缺”来看，别觉得简单就跳过。尤其是除法/、整除//、取余%在负数场景下的表现，还有==和is的区别，这些是新手翻车重灾区。

1.2 条件结构：让程序学会“选择”

条件结构对应的是“如果……那么……否则……”的逻辑。在AI应用中，这种选择无处不在：数据清洗时判断缺失值要不要丢弃，训练时判断模型准确率有没有达到阈值，推理时根据置信度决定是否输出结果。可以说，没有条件结构，程序就只能把所有输入一视同仁地处理，根本无法适应真实场景。

很多新手写条件结构时，习惯把逻辑都堆在if里，结果代码又长又乱。其实Python的if、elif、else组合起来非常灵活，配合逻辑运算符，能写出很像自然语言的判断语句。这一篇我不仅会讲语法，还会告诉你哪些写法更Pythonic、哪些写法会让后续维护的人骂你。先打好这个基础，下一节课循环结构就好学很多，因为循环里也会嵌套条件，两篇是连在一起的。

2. 运算符全景拆解

2.1 算术运算符：不只是加减乘除

Python里的算术运算符一共有7个，分别是+、-、*、/、//、%、**。前两个不用多解释，重点说后面几个。

/是普通除法，无论除数和被除数是什么类型，结果都是浮点数。5 / 2得到2.5，这很符合直觉。//是整除，中文也叫地板除，它会向下取整，而不是简单地去掉小数部分。很多人在这踩坑：7 // 2是3，但-7 // 2不是-3，而是-4，因为-3.5向下取整是-4。%是取余，结果的符号跟除数保持一致。你可以在交互式环境里试试-7 % 3，结果是2，因为Python会保证被除数 = 整除结果 * 除数 + 余数成立，也就是-7 = (-3) * 3 + 2。这些规则和我们从小到大的数学习惯不完全一致，所以一定要亲手跑一遍。

**是幂运算，2 ** 3等于8。算术运算符还支持字符串操作：'AI' * 3会得到'AIAIAI'，'AI' + '时代'会得到'AI时代'。这在生成测试文本时偶尔会用到。整体来看，算术运算符本身不难，难的是不同类型混用时的类型转换，新手写代码时最好养成“先把变量类型统一”的习惯。

2.2 比较运算符：判断的基础

比较运算符有六个：==、!=、>、<、>=、<=，返回值是布尔值True或False。这是条件判断的底层支撑。==判断值是否相等，!=判断是否不相等，这个好理解。

比较运算有两个容易出问题的地方。第一，浮点数比较要小心：0.1 + 0.2 == 0.3的结果是False，因为浮点数在计算机里是二进制近似存储的，0.1 + 0.2实际上是0.30000000000000004。要比较浮点数，最好用abs(a - b) < 1e-9这种方式，而不是直接==。第二，==和is的区别：==比较的是值，is比较的是两个变量是否指向同一个对象。对于小整数，Python有缓存机制，a = 1000; b = 1000; a is b可能为False，但a = 1; b = 1; a is b为True，因为小的整数对象被缓存了。新手很容易在这里懵掉，记住一条：判断值相等用==，判断身份（是不是同一个对象）才用is。

Python还支持链式比较，比如3 < x < 10，写起来非常自然。另外，比较运算符不仅能比较数字，还能比较字符串，字符串比较按字典序逐个字符进行。'apple' < 'banana'是True，因为a在b前面。这一块多敲几次就有感觉了。

2.3 赋值运算符：为变量“贴标签”

最基本的赋值符号是=，它把右边的值绑定到左边变量上。除了单个=，还有一组复合赋值运算符：+=、-=、*=、/=、//=、%=、**=，以及位运算的复合版本。x += 1等价于x = x + 1，写起来更简洁，也符合“对原变量做修改”的语义。

这里提醒一点：复合赋值运算符会改变变量的值，所以左边必须是一个可以被赋值的变量，不能直接对常量操作，比如5 += 1是语法错误。另外，x += 1和x = x + 1在大多数情况下等价，但当x是可变对象时，行为会有微妙差别。比如list_a += [1]是在原列表上追加，而list_a = list_a + [1]会创建新列表。这个细节初学者先记着，后面讲可变对象和不可变对象时再深入。

Python 3.8还引入了一个很有意思的“海象运算符”:=，它能让你在表达式中直接赋值并返回结果。比如if (n := len(items)) > 5:，在判断的同时把列表长度存到n里。这个不是必学，但刷LeetCode时经常看到，了解一下没坏处。

2.4 逻辑运算符：把条件串起来

逻辑运算符有三个：and、or、not。它们操作的通常是布尔值，但返回值不一定只是True或False。这是新手最容易误解的地方。

and和or遵循短路求值规则：and只要遇到一个假值，就立即返回那个假值，不再往后计算；or只要遇到一个真值，就立即返回那个真值，不再往后计算。举个例子：

print(0 and 10) # 0 print(1 and 10) # 10 print(0 or 10) # 10 print(1 or 10) # 1

所以and的结果不一定是True，而是在“停止计算时最后看到的那个对象”。这个特性常被用来写简化代码，比如从配置文件里取值时：

name = user_input or "默认用户"

如果user_input是空字符串或None，or会返回后面的默认值。这个技巧很实用，但要注意可读性，别把逻辑写得太绕。

not很简单，就是取反，not True为False。逻辑运算符的优先级从高到低是not、and、or，所以not a or b and c实际上会被解析为(not a) or (b and c)。当我需要让表达式的意图更清楚时，会主动加上括号，而不是依赖优先级记忆。这种习惯能省去很多调试时间。

2.5 位运算、成员运算与身份运算

位运算是直接对整数二进制位进行操作的：&（按位与）、|（按位或）、^（按位异或）、~（按位取反）、<<（左移）、>>（右移）。在AI领域，位运算一般用于底层性能优化、图像处理里的像素掩码、或者状态压缩。日常开发中用得不多，但面试题里常出现，比如用异或交换两个变量、判断奇偶性用x & 1。作为基础课，我把它们列在这里，目的是让你看到运算符的全貌，不需要现在死记硬背。

成员运算in和not in用来判断一个元素是否存在于某个容器里。这在AI数据处理时非常常用：比如判断一个特征名是否在特征列表里、检查某个类别是否在标签集合中。用法很简单：

if "age" in features: print("存在年龄特征")

身份运算is和is not前面提过，判断两个引用是否指向同一个对象。在写代码时，判断一个变量是否为None，官方推荐用is None而不是== None，因为None是单例对象，用is更清晰且性能更好。

2.6 三目运算符：一行代码解决条件赋值

三目运算符的语法是值1 if 条件 else 值2，它的含义是：如果条件成立，整个表达式的值是值1，否则是值2。这是把一个简单的if-else压缩成一行，非常适合对变量做“二选一”赋值。比如：

status = "及格" if score >= 60 else "不及格"

比写四行if-else简洁不少。不过三目运算符不要嵌套太多层，否则可读性会崩塌。比如：

# 尽量避免这种写法 result = "优秀" if score >= 90 else ("良好" if score >= 80 else "一般")

这种嵌套三目虽然能跑，但阅读体验很差。我更推荐在分支超过两个时回到普通的if-elif-else结构，代码清楚，也方便后续维护。

3. 条件结构实战

3.1 从if到elif到else

Python条件结构的基本语法是用if关键字开头，后面跟一个条件表达式，以冒号结尾，下一行缩进的代码块就是条件成立时执行的语句。如果条件不成立，可以接elif（相当于“否则如果”）和else（相当于“否则”）。注意Python里没有switch-case，多分支判断一般用elif串起来。

写一个最经典的例子——成绩等级判断：

score = 85 if score >= 90: grade = "优秀" elif score >= 80: grade = "良好" elif score >= 70: grade = "中等" else: grade = "需要努力" print(grade)

这里的关键是分支顺序：条件从上往下依次判断，一旦某个条件满足，后面的elif就不再执行。所以你要把“最严格的范围”放在前面，比如>=90必须先于>=80判断，否则优秀的学生会被先分到良好。另外，else不是必须的，但加上它能处理“所有未覆盖的情况”，提高代码健壮性。

写条件时，条件表达式本身可以是任意返回布尔值的内容，可以是比较运算、逻辑运算，甚至直接是一个变量。if 1:是成立的，因为1在布尔上下文中为True。这里有一个很重要的隐式规则，下面单独说。

3.2 嵌套与“卫语句”风格

条件结构可以嵌套，比如先判断是否有数据，再判断数据是否合格。但嵌套层级一旦超过三层，代码就会变得很难读。我见过有些新手写四五层嵌套的if，后面加个需求改代码，人都要疯了。遇到这种情况，我更推荐用“卫语句”风格：先把不满足条件的场景提前处理掉，要么返回、要么跳过，让主干逻辑留在最外层，避免层层嵌套。

举个例子，判断闰年的传统写法可能是：

year = 2024 if year % 4 == 0: if year % 100 == 0: if year % 400 == 0: is_leap = True else: is_leap = False else: is_leap = True else: is_leap = False

这种嵌套虽然对，但很绕。闰年的规则可以合并成语：能被400整除，或者能被4整除但不能被100整除。改成简单条件结构：

if (year % 400 == 0) or (year % 4 == 0 and year % 100 != 0): is_leap = True else: is_leap = False

一下就清爽了。如果是在函数里，还可以这样写：

def is_leap_year(year): if year % 400 == 0: return True if year % 4 == 0 and year % 100 != 0: return True return False

这就是卫语句：条件不满足就继续往下走，满足就直接返回，省掉很多else。写条件结构时，我会优先想着“怎么让主要路径平铺”，而不是动不动就套一层if。

3.3 条件表达式中的“隐形坑”

条件判断的不止是比较运算的结果，Python中的任何对象都能在布尔上下文里被求值。这个规则是：数值0、空字符串''、空列表[]、空元组()、空字典{}、None、以及False本身，都会被当作“假”；其他值都当作“真”。所以很多Python老手会直接写：

if user_list: # 列表非空才执行

这比if len(user_list) > 0:更简洁，也完全正确。但新手很容易被“明明打印出来是[ ]，为什么就是不进这个分支”这种问题卡住。其实原因就是空列表在布尔上下文里是False。

另一个常见的坑是混淆赋值和相等判断。Python语法不允许if x = 5这种写法，它会在编译时报SyntaxError，这点还算友好。但在输入时容易漏写一个等号，把==错打成=。一旦出现这种错误，优先检查if那一行是不是写成赋值了。

此外，条件结构里的缩进需要非常敏感。Python用缩进划分代码块，同一个块内的缩进必须一致，混用空格和Tab会导致IndentationError。我建议代码编辑器里统一把Tab键替换成4个空格，并开启“显示空格”功能，这样缩进问题一眼就能看到。

4. 实战：用运算符和条件结构实现一个简易的AI学习状态评分助手

4.1 需求拆解

讲到这里，光看语法肯定不行。我结合AI场景设计了一个很小的练习题：模拟一个“AI学习状态评分助手”。假设你是一个在线教育助教，每天要处理一批学生的学习数据，每个学生有三个指标：今日学习时长（分钟）、今日练习题数、今日平均错误率（百分数）。我们要根据这三个指标计算出综合评分，并给出学习建议。

这个需求天然用到了算术运算符（加权求和）、比较运算符（阈值判断）和条件结构（分类建议），很适合当课后的综合练习。同时它非常贴近AI数据清洗的思路：拿到原始数据，提取特征，根据规则打标签。我们要实现的就是一个最简单的规则引擎。

4.2 一步一步写代码及解析

先写一个基础版本，刻意把流程拆得细一点：

# 输入数据 study_minutes = float(input("请输入今日学习时长（分钟）：")) exercise_count = int(input("请输入今日练习题数：")) error_rate = float(input("请输入今日平均错误率（百分数，例如12.5）：")) # 用算术运算计算综合评分 # 权重：时长0.5、题量0.3、错误率惩罚0.2 # 把错误率转换为正向得分：错误率越低越好，这里用100 - error_rate duration_score = study_minutes * 0.5 exercise_score = exercise_count * 0.3 error_score = (100 - error_rate) * 0.2 total_score = duration_score + exercise_score + error_score # 条件结构：根据总分给出评价 if total_score >= 85: level = "优秀" elif total_score >= 70: level = "良好" elif total_score >= 60: level = "及格边缘" else: level = "需要加油" # 用逻辑运算符补充一个特殊建议 if study_minutes < 30 and error_rate > 30: advice = "今天学习时间太短，错误率偏高，建议明天先复习再做新题。" elif study_minutes >= 120 and exercise_count >= 10: advice = "状态很好，保持这个节奏！" else: advice = "按计划继续学习即可。" # 输出结果 print(f"综合评分：{total_score:.2f}") print(f"评价等级：{level}") print(f"建议：{advice}")

这里面有几个值得说的细节。第一，input()返回的是字符串，必须用float()或int()转成数值，否则study_minutes * 0.5会导致字符串重复，比如"90" * 0.5直接报错。第二，total_score是浮点数，用f-string里的:.2f保留两位小数，这是格式化输出的常见操作，用算数运算对数字做舍入展示。第三，逻辑运算符and保证了两个条件同时成立才会触发对应的建议，这里建议加上括号，比如(study_minutes < 30) and (error_rate > 30)，逻辑更清晰。

运行一下，输入90、8、15，计算得到：90*0.5=45，8*0.3=2.4，(100-15)*0.2=17，总分64.4，输出“及格边缘”，建议走最后一条。逻辑没毛病。这个例子虽然简单，但它把运算符和条件结构全部串起来了。

4.3 对初学者的3个提醒

写完这个实战，我再啰嗦三点，都是我自己上课时看学生最容易出问题的地方。

第一，转化输入。input()永远返回字符串，忘记转换是新手第一坑。而且字符串和整数做比较时，Python3会直接报TypeError，这其实是好事，逼着你早发现。第二，条件覆盖顺序。我见过有人先写elif total_score >= 60，再写elif total_score >= 85，结果85分的同学永远命中的是“及格边缘”，因为第一个条件已经满足了。条件判断的先后顺序一定要从大到小或者从小到大排列清楚，并确保边界值不会重复。第三，别迷信权重公式。这里权重是我拍脑袋定的，实际AI系统里权重要靠大量数据训练出来。但作为练习，理解‘用算术运算把多指标合并成一个分数’这个思路就够了。

5. 踩坑经验与后续学习建议

5.1 本次课后的常见问题速查表

我把这次课最容易踩的坑整理成一张表，方便你贴到电脑前面：

这张表里的问题，基本覆盖了新手第一次接触运算符和条件结构时80%的报错点。建议你把每一条都在Python交互环境里跑一遍，亲眼看看结果，印象会深得多。

5.2 给新手的练习方法

运算符和条件结构的核心是“手熟”，没有太多捷径。我的建议是每天花15分钟做两个小练习：一是写一个简单计算器，支持加减乘除、取余、幂运算，输入两个数字和运算符，输出结果；二是写一个“登录验证”小脚本：预设一个用户名和密码，让用户输入，用==和and判断是否正确，并给出不同提示。这两个练习练下来，算术、比较、逻辑、条件结构就齐了。

练习时不要怕报错，报错是好事。看到TypeError就去检查类型，看到SyntaxError就去检查缩进和标点。每一行代码最好都能在心里预测它输出什么，再实际运行验证。如果预测错了，说明那个知识点还没掌握，停下来搞清楚再继续，比闷头刷一百道题都管用。

5.3 下一步可以连着学什么

这次课掌握的运算符和条件结构，是下一课“循环结构”的直接基础。比如for循环里经常要判断元素是否满足条件，while循环里常用比较运算控制退出，这些都需要今天的内容打底。学完循环之后，再配合列表、字典，就能写出非常实用的数据处理脚本了。

后面还有很多有趣的课题，比如列表推导式里其实也藏着运算符和条件判断的影子，再往深走还有函数、装饰器、面向对象。Python基础学到现在，你已经具备了“把想法变成代码”的最基本能力。接下来就是多写、多用、多踩坑，把今天这张速查表上的内容彻底变成自己的肌肉记忆。

我个人在带新人的时候，从来不会因为运算符简单就跳过。恰恰是这些基础细节，决定了一个人后面看框架源码、写AI代码时能走多远。如果你今天把这篇里的示例都亲手跑了一遍，并且能闭着眼睛解释清楚and的短路逻辑和elif的执行顺序，那这节课就已经达标了。下一篇我们进循环，到时候再见。