条件语句：if/elif/else、三元表达式

一句话概述

条件语句是程序做出判断的核心机制，让代码能够根据不同的情况执行不同的逻辑。Python 通过 if、elif、else 关键字构建多分支判断结构，同时还提供了简洁的三元表达式来实现单行条件赋值。掌握条件语句，才能写出有「智能感」的程序——这也是 AI 模型决策逻辑的最基础原型。

💡 核心要点：① if 语句通过布尔值（True/False）决定代码走向 ② elif 实现多分支互斥判断，从上到下依次匹配 ③ else 作为兜底分支，处理所有未命中情况 ④ 三元表达式 x if cond else y 是单行条件赋值的利器

教学与演示

一、if 语句：程序的第一个判断

是什么：if 是 Python 中最基本的条件判断语句，当 if 后面的条件为 True 时，执行其缩进的代码块；否则跳过该代码块。

大白话 把 if 想象成家门口的门禁系统——你输入密码（条件），密码正确（True）门就开了（执行代码块），密码错误（False）门就不开（跳过代码块）。

为什么：真实世界的程序几乎时刻都在做判断——用户是否登录、数据是否合法、模型准确率是否达标。没有 if，程序只能机械地从头执行到尾，无法根据情况变化做出不同反应。

怎么做：

import numpy as np

# 模拟一个简单的评分判断系统
# numpy 生成一个 0 到 100 之间的随机分数
score = np.random.randint(0, 101)  # 生成随机整数分数，范围[0, 100]
print(f"当前分数：{score}")

# if 语句：判断分数是否及格
if score >= 60:  # 条件：分数大于等于60
    print("✅ 恭喜，你及格了！")  # 条件为True时执行的代码块

# 注意：if 条件为 False 时，上面的 print 不会执行
# 下面的代码不受 if 影响，始终会执行
print(f"评分结束。")  # 无论是否及格，这行都会执行

什么用：在 AI 模型评估中，我们经常需要判断模型准确率是否达到阈值——「如果验证集准确率 > 95%，则停止训练」，这就是典型的 if 应用。在数据清洗中，也需要判断「如果某列缺失值超过 50%，则删除该列」。

二、if/elif/else：多分支判断

是什么：if/elif/else 构成多分支条件判断结构。程序从上到下依次检查每个条件，命中第一个为 True 的条件后执行对应代码块并跳出整个结构；如果所有条件都不满足，则执行 else 代码块。

大白话 就像体检报告的等级评定：≥90 分是「优秀」, 80-89 分是「良好」, 60-79 分是「及格」, 60 以下「不及格」。你不会同时拿到两个等级，只会命中第一个满足的条件。

为什么：现实中的判断往往不止「是/否」两种结果。成绩分 A/B/C/D 档、用户分 VIP/普通/访客、风险分高/中/低——多分支判断让程序能够精细化应对不同场景。

怎么做：

import numpy as np

# 模拟 AI 模型在测试集上的准确率
accuracy = np.random.uniform(0.5, 1.0)  # 生成 0.5~1.0 之间的随机浮点数
accuracy = round(accuracy, 4)  # 保留4位小数，模拟真实评估精度
print(f"模型准确率：{accuracy * 100:.2f}%")

# if/elif/else 多分支判断：给模型评级
if accuracy >= 0.95:  # 第一优先级：检查是否 >= 95%
    grade = "S级（卓越）"
    comment = "可以直接部署上线！"
elif accuracy >= 0.90:  # 第二优先级：上面没命中才检查这里
    grade = "A级（优秀）"
    comment = "再微调一下就可以部署"
elif accuracy >= 0.80:  # 第三优先级：前面都没命中才检查
    grade = "B级（良好）"
    comment = "需要继续优化模型"
elif accuracy >= 0.70:  # 第四优先级
    grade = "C级（一般）"
    comment = "建议调整网络结构"
else:  # 兜底分支：以上所有条件都不满足时执行
    grade = "D级（需改进）"
    comment = "需要重新设计模型"

print(f"评级：{grade}")
print(f"建议：{comment}")

什么用：在 AI 项目中，模型部署前需要根据准确率、推理速度、内存占用等多个指标综合评级。在强化学习中，智能体根据当前状态所处的区间选择不同策略，本质上就是一个多分支判断。在 NLP 情感分析中，根据情感分数落在哪个区间输出「正面/中性/负面」。

三、三元表达式：单行条件的优雅写法

是什么：三元表达式是 if/else 的简写形式，语法为 值1 if 条件 else 值2——当条件为 True 时返回「值1」，否则返回「值2」。整个表达式求值为一个值，因此可以直接用于赋值、函数参数等场景。

大白话 就像点外卖时的选择：「下雨就不出门（点外卖）if 下雨 else 出去吃」。一个条件决定两种结果，写在一行里干脆利落。

为什么：当判断逻辑只是简单的二选一赋值时，写四行 if/else 显得冗余。三元表达式让代码更紧凑、可读性更高，特别适合在列表推导和函数调用中做内联判断。

怎么做：

import numpy as np

# 模拟一个二分类 AI 模型的预测结果
# 模型输出是 sigmoid 后的概率值，>0.5 判为正类，否则负类
prob = np.random.random()  # 生成 0~1 之间的随机概率值
prob = round(prob, 4)
print(f"模型预测概率：{prob}")

# 三元表达式：一行完成二选一赋值
# 语法：结果A if 条件 else 结果B
label = "正类 🟢" if prob > 0.5 else "负类 🔴"
print(f"分类结果：{label}")

# 三元表达式的嵌套（虽然不推荐过度嵌套，但要知道可以这样做）
# 模拟三个区间的分类
score = np.random.randint(0, 101)  # 生成 0~100 随机整数
print(f"\n分数：{score}")
level = "优秀" if score >= 90 else ("及格" if score >= 60 else "不及格")
print(f"等级：{level}")

什么用：在 AI 数据预处理中，经常需要根据条件快速转换标签——「如果类别是 'cat' 则编码为 0，否则编码为 1」，三元表达式一行搞定。在特征工程中，根据阈值二值化特征值也是同理。PyTorch/TensorFlow 的很多代码中，三元表达式用于动态选择设备（GPU/CPU）、调整学习率等。

四、复合条件与逻辑运算符

是什么：通过 and（与）、or（或）、not（非）三个逻辑运算符，可以将多个简单条件组合成复合条件，实现更精细的判断逻辑。

大白话 就像筛选简历：「学历是硕士以上 and 工作经验3年以上」——两个条件同时满足才安排面试。而「会 Python or 会 Java」——满足一个就行。

为什么：真实场景中的判断很少只依赖单一条件。AI 模型的部署决策可能同时考虑准确率、延迟、资源占用等多个维度。复合条件让你能表达「所有条件都要满足」或「满足任意一个即可」的复杂逻辑。

怎么做：

import numpy as np

# 模拟 AI 模型部署的综合评估
# 三个关键指标
accuracy = np.random.uniform(0.85, 0.99)  # 准确率
latency = np.random.randint(10, 200)       # 推理延迟（毫秒）
memory = np.random.randint(100, 1000)      # 内存占用（MB）

accuracy = round(accuracy, 3)
print(f"📊 模型评估报告：")
print(f"  准确率：{accuracy*100:.1f}%")
print(f"  延迟：{latency}ms")
print(f"  内存：{memory}MB")

# 复合条件：使用 and 要求所有条件同时满足
if accuracy >= 0.95 and latency < 100 and memory < 500:
    print("\n✅ 全部达标，建议直接部署！")
# 使用 or：满足任意一个宽松条件即可
elif accuracy >= 0.90 or (latency < 50 and memory < 300):
    print("\n⚠️ 部分达标，建议优化后部署")
# 使用 not：取反逻辑
elif not (accuracy < 0.85):  # 等价于 accuracy >= 0.85
    print("\n🔧 需要进一步调优")
else:
    print("\n❌ 不满足部署条件，需重新训练")

# 展示逻辑运算符的短路行为（重要特性！）
print("\n--- 短路求值演示 ---")
# and 短路：左边为 False 时，右边不会执行
a = 0
result = (a != 0) and (10 / a > 5)  # a=0，左边为False，右边10/0不会执行（安全！）
print(f"and 短路结果：{result}（避免了除以零错误）")

# or 短路：左边为 True 时，右边不会执行
result = (5 > 3) or (10 / 0 > 1)  # 左边为True，右边10/0不会执行（安全！）
print(f"or 短路结果：{result}（避免了除以零错误）")

什么用：在 AI 模型推理服务中，需要同时检查「请求速率是否超限 and GPU 显存是否充足 and 模型是否已加载」才能处理请求。在异常检测系统中，「如果数据偏差超过阈值 or 连续三次预测置信度过低」则触发告警。逻辑运算符的短路特性在避免空值错误（如 obj is not None and obj.method()）中也至关重要。

概念关系图谱

重点答疑

Q1: if 后面可以写什么类型的条件？

if 后面可以写任何最终能求值为布尔值（True/False）的表达式。包括：比较运算符（==、>、<、>=、<=、!=）、成员运算符（in、not in）、身份运算符（is、is not）、逻辑运算符组合（and、or、not），以及直接返回布尔值的函数调用。在 Python 中，非零数字、非空字符串、非空列表等「真值」也会被视为 True——这称为「真值测试」。

Q2: elif 和多个 if 有什么区别？

elif 是互斥的——多个 elif 中最多只有一个会被执行，一旦命中就跳出整个结构。而多个独立的 if 是并列的——每个都会被检查，可能执行多个分支。比如判断分数：用 if score>=90 / elif score>=80 时，95 分只会被评「优秀」；但用 if score>=90 / if score>=80 时，95 分会被同时评「优秀」和「良好」，造成逻辑错误。选择哪个取决于业务需求——互斥判断用 elif，独立判断用多个 if。

Q3: 三元表达式可以嵌套多层吗？

语法上可以（如 a if c1 else b if c2 else c），但实际上强烈不推荐。嵌套三元表达式会严重降低可读性，让代码变成「密码」。PEP 8（Python 官方风格指南）也建议避免嵌套三元表达式。如果逻辑复杂，老老实实用 if/elif/else 写多行，代码是写给人看的。

章节单词汇总