如何在Python中通过方程/函数实现值递增并循环计算求和？

原代码问题分析 #

1. 用带状态的函数维护A、B的递增值，导致状态混乱：之前的print循环已经将A推进到300、B推进到1.6，后续调用会从这些值继续递增，而非从初始值开始计算。
2. 仅调用一次RAD()，无法生成多组A、B组合对应的计算结果。

修改后的代码 #

import pandas as pd

# 读取Excel数据
data = pd.read_excel(r'C:\Users\garyj\OneDrive\Documents\Data\20220204Python\PineMountain.xlsx')
df = pd.DataFrame(data, columns=['RD', 'RG'])

# 生成A的数值序列：200到300，步长10（共11个值）
a_values = list(range(200, 310, 10))
# 生成B的数值序列：1.4、1.5、1.6
b_values = [1.4 + i * 0.1 for i in range(3)]

# 定义计算RADAR的函数，传入当前的A和B值
def calculate_radar(a, b, df):
    return ((1/a) * df['RD'] ** (1/b)) * 0.0393701

# 嵌套循环：先遍历所有A值（优先级更高），再遍历每个A对应的B值
for a in a_values:
    print(f"\n=== 当前A值: {a} ===")
    for b in b_values:
        radar = calculate_radar(a, b, df)
        total_rain = radar.sum()
        print(f"B值: {b} | 总降雨量: {total_rain:.4f} 英寸")

关键改动说明 #

• 用显式序列替代状态函数：直接生成A、B的所有待计算值，避免函数状态带来的混乱。
• 嵌套循环实现优先级：外层遍历A的所有值，内层遍历每个A对应的B值，满足A优先级更高的需求。
• 封装计算逻辑：将RADAR的计算封装成函数，传入当前A、B值和DataFrame，每次计算独立无干扰。
• 清晰的结果输出：打印每个A、B组合对应的总降雨量，方便查看所有计算结果。

内容的提问来源于stack exchange，提问作者Jalon Gary