缩进不同的Python代码为何输出结果不同？

两段代码仅缩进不同，输出结果却明显有差异：

第一段输出：

array([[7.68717818e+11, 6.97681947e+11, 7.63307666e+11, 6.47349007e+11,
        5.99065727e+11],
       [7.66709788e+11, 6.99939453e+11, 7.64013608e+11, 6.45261906e+11,
        5.99177884e+11],
       [2.94202392e+11, 4.16042886e+12, 3.69055160e+11, 3.08724683e+11,
        3.71083543e+11],
       ...,
       [2.32972294e+11, 2.25518151e+11, 2.16985500e+11, 1.52392619e+11,
        1.87686750e+11],
       [1.31495500e+11, 4.03441481e+11, 1.66796570e+11, 7.37775506e+10,
        1.55474795e+11],
       [1.26216951e+11, 5.60385882e+11, 1.49446146e+11, 7.23769941e+10,
        1.45692856e+11]])

第二段输出：

array([[7.66709788e+11, 6.99939453e+11, 7.64013608e+11, 6.45261906e+11,
        5.99177884e+11],
       [2.94202392e+11, 4.16042886e+12, 3.69055160e+11, 3.08724683e+11,
        3.71083543e+11],
       [2.92378752e+11, 2.93673677e+12, 3.58775694e+11, 3.06625155e+11,
        3.56276475e+11],
       ...,
       [1.31495500e+11, 4.03441481e+11, 1.66796570e+11, 7.37775506e+10,
        1.55474795e+11],
       [1.26216951e+11, 5.60385882e+11, 1.49446146e+11, 7.23769941e+10,
        1.45692856e+11],
       [0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
        0.00000000e+00]])

两段代码如下：

第一段代码：

mses = np.zeros((len(all_models), 5))

kfold = KFold(5, 
              random_state = 614,
              shuffle = True)
j = 0
for train_index, test_index in kfold.split(cars_train):
    cars_tt = cars_train.iloc[train_index]
    cars_ho = cars_train.iloc[test_index]
    i = 0
    for model in all_models:
        if model == "baseline":
          pred = np.power(10,cars_tt.log_sell.mean()*np.ones(len(cars_ho)))
          mses[i, j] = mean_squared_error(cars_ho.selling_price, pred)
        else:
          if len(model) == 1:
            reg = LinearRegression(copy_X = True)                
            reg.fit(cars_tt[model].values.reshape(-1,1), cars_tt.log_sell.values)
            pred = np.power(10,reg.predict(cars_ho[model].values))
            mses[i,j] = mean_squared_error(cars_ho.selling_price, pred)
          else:
            reg = LinearRegression(copy_X = True)
            reg.fit(cars_tt[model].values, cars_tt.log_sell.values)
            pred = np.power(10,reg.predict(cars_ho[model].values))
            mses[i,j] = mean_squared_error(cars_ho.selling_price, pred)
        i = i + 1
    j = j + 1
mses

第二段代码：

mses = np.zeros((len(all_models), 5))

kfold = KFold(5, 
              random_state = 614,
              shuffle = True)
j = 0
for train_index, test_index in kfold.split(cars_train):
    cars_tt = cars_train.iloc[train_index]
    cars_ho = cars_train.iloc[test_index]
    i = 0
    for model in all_models:
      if model == "baseline":
          pred = np.power(10,cars_tt.log_sell.mean()*np.ones(len(cars_ho)))
          mses[i, j] = mean_squared_error(cars_ho.selling_price, pred)
      else:
        if len(model) == 1:
          reg = LinearRegression(copy_X = True)                
          reg.fit(cars_tt[model].values.reshape(-1,1), cars_tt.log_sell.values)
          pred = np.power(10,reg.predict(cars_ho[model].values))
          mses[i,j] = mean_squared_error(cars_ho.selling_price, pred)
        else:
          reg = LinearRegression(copy_X = True)
          reg.fit(cars_tt[model].values, cars_tt.log_sell.values)
          pred = np.power(10,reg.predict(cars_ho[model].values))
          mses[i,j] = mean_squared_error(cars_ho.selling_price, pred)
        i = i + 1
    j = j + 1
mses

1. 核心差异：i = i + 1的缩进位置 #

两段代码的唯一实质性区别是i = i + 1语句的缩进层级：

• 第一段代码中，i = i + 1属于内层for循环的顶级代码块，不管当前model是不是"baseline"，每次循环都会执行i的自增操作，保证每个模型对应mses的不同行索引。
• 第二段代码中，i = i + 1被放到了else块的末尾，只有当model != "baseline"时才会执行i自增。

2. 输出差异的根源 #

当处理第一个模型（假设是"baseline"）时：

• 第一段代码：写入mses[0,j]后，i自增为1，后续模型依次写入mses[1,j]、mses[2,j]等，所有行都能被正确赋值。
• 第二段代码：写入mses[0,j]后，i不会自增，后续模型都会覆盖mses[0,j]的值；同时，当kfold进入下一轮循环（j增加），i重置为0，再次处理"baseline"时依然写入mses[0,j]，导致mses的第一行被多次覆盖，而最后几个模型的行因为i从未走到对应的索引，始终保留初始的0值，这就是第二段输出最后一行为全0的原因。

3. 这是Python的基础特性 #

这不是特殊情况，是Python的核心语法规则：用缩进划分代码块的归属，缩进不同意味着代码属于不同的逻辑块，执行的条件和时机完全不同。Python不像其他语言用大括号{}明确标记代码块，缩进就是代码块的边界，只要缩进层级变化，代码的执行逻辑就会改变，这是所有Python开发者必须遵守的基础规则。

内容的提问来源于stack exchange，提问作者user557