Python入门:石头剪刀布游戏教学
想学习Python编程?从实战项目开始!本文将带你一步步用Python编写经典的石头剪刀布游戏,让你在实践中掌握Python基础语法、条件判断和随机数生成等核心概念。通过`play_round()`函数,你可以轻松获取用户输入并验证其有效性,利用`random.choice()`生成电脑的随机选择,再通过嵌套`if`语句判断胜负,并输出游戏结果。更有扩展功能等你探索,如记分系统、多轮游戏、新增选项,甚至可以加入图形界面!想让你的AI更智能?文章还提供了进阶思路,包括记录玩家选择模式、使用概率模型或机器学习预测用户行为,让你的石头剪刀布游戏更具挑战性!快来动手实践,提升你的Python技能吧!
答案:通过编写石头剪刀布游戏,学习Python基础语法、条件判断和随机数生成。代码定义play_round()函数,获取用户输入并验证,利用random.choice()生成电脑选择,通过嵌套if语句判断胜负并输出结果。可扩展功能包括记分系统、多轮游戏、新增选项及图形界面。为提升AI智能性,可记录玩家选择模式、使用概率模型或机器学习预测用户行为。

Python实战:石头剪刀布游戏,通过编写这个经典游戏,可以学习到Python的基础语法、条件判断、随机数生成等核心概念,并将其应用于实际问题中。
解决方案:
编写石头剪刀布游戏的核心在于理解用户输入、计算机随机选择以及胜负规则的判断。首先,我们需要定义一个函数来处理用户的输入,并确保输入有效(石头、剪刀、布)。然后,使用Python的random模块让计算机随机选择。最后,编写逻辑判断胜负,并输出结果。
import random
def play_round():
user_choice = input("请选择 (石头, 剪刀, 布): ").lower()
possible_actions = ["石头", "剪刀", "布"]
while user_choice not in possible_actions:
user_choice = input("输入错误,请重新选择 (石头, 剪刀, 布): ").lower()
computer_choice = random.choice(possible_actions)
print(f"\n你选择了 {user_choice}, 电脑选择了 {computer_choice}.\n")
if user_choice == computer_choice:
print(f"平局! 你们都选择了 {user_choice}.")
elif user_choice == "石头":
if computer_choice == "剪刀":
print("石头砸碎剪刀! 你赢了!")
else:
print("布包住石头! 你输了.")
elif user_choice == "剪刀":
if computer_choice == "布":
print("剪刀剪断布! 你赢了!")
else:
print("石头砸碎剪刀! 你输了.")
elif user_choice == "布":
if computer_choice == "石头":
print("布包住石头! 你赢了!")
else:
print("剪刀剪断布! 你输了.")
play_round()代码解释:
- 引入
random模块用于生成电脑的随机选择。 play_round()函数负责处理一轮游戏。- 使用
input()函数获取用户输入,并通过.lower()方法转换为小写,方便后续比较。 - 包含一个输入验证循环,确保用户输入有效。
- 使用
random.choice()函数从possible_actions列表中随机选择电脑的选择。 - 使用嵌套的
if语句判断胜负,并打印结果。
如何扩展石头剪刀布游戏的功能?
可以考虑添加以下功能来扩展游戏:
- 记录玩家得分: 可以增加一个变量来记录玩家和电脑的得分,并在每一轮结束后更新得分。
- 多轮游戏: 可以让玩家选择进行多轮游戏,直到达到某个预设的得分或轮数。
- 加入更多选择: 除了石头、剪刀、布,可以加入更多的选择,例如“蜥蜴”和“史波克”,扩展游戏的复杂性。
- 图形界面: 使用
Tkinter或Pygame等库创建一个图形界面,让游戏更具互动性。
如何处理用户输入错误的情况?
在上面的代码中,我们已经加入了一个简单的输入验证循环。但是,还可以进一步优化错误处理:
- 使用
try-except块: 可以使用try-except块来捕获用户输入非字符串的情况,例如用户输入数字。 - 提供更友好的错误提示: 提示用户输入错误时,可以提供更详细的错误信息,例如“请输入石头、剪刀或布”。
- 允许用户退出游戏: 如果用户多次输入错误,可以提供一个选项让用户退出游戏。
如何让电脑的AI更智能?
目前的电脑选择是完全随机的。为了让电脑的AI更智能,可以尝试以下方法:
- 记录玩家的历史选择: 电脑可以记录玩家之前选择的模式,并尝试预测玩家下一步的选择。
- 使用概率模型: 可以使用概率模型来计算玩家选择每种选项的概率,并根据概率来选择电脑的选择。
- 机器学习: 可以使用机器学习算法来训练电脑,让电脑能够根据玩家的行为来学习最佳策略。但这需要收集大量的数据,并选择合适的算法。
终于介绍完啦!小伙伴们,这篇关于《Python入门:石头剪刀布游戏教学》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
CSS卡片翻转效果实现教程
- 上一篇
- CSS卡片翻转效果实现教程
- 下一篇
- CSS图片缩放技巧全解析
-
- 文章 · python教程 | 1小时前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
-
- 文章 · python教程 | 11小时前 | python · Python tomllib TOMLDecodeError
- Python tomllib 解析失败时如何定位具体键与行列
- 198浏览 收藏
-
- 文章 · python教程 | 15小时前 |
- Python contextvars 为什么能隔离并发请求上下文
- 202浏览 收藏
-
- 文章 · python教程 | 19小时前 | Python教程 · 静态类型检查 异步方法 Python Protocol 结构类型 Awaitable
- Python Protocol 怎样描述带异步方法的结构类型
- 363浏览 收藏
-
- 文章 · python教程 | 22小时前 | Python教程 · InitVar __post_init__ Python dataclasses.replace 数据类复制
- Python dataclasses.replace 遇到 InitVar 时怎样传递参数
- 381浏览 收藏
-
- 文章 · python教程 | 1天前 | python · pathlib ·
- Python importlib.resources.as_file 的临时路径何时失效
- 318浏览 收藏
-
- 文章 · python教程 | 1天前 | SQLite · Python教程 · Python sqlite3 Connection.backup 进度回调 SQLite备份
- Python sqlite3 备份进度回调怎样判断剩余页数
- 264浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 内存优化 · Python教程 · 文件读取 大文件处理 Python mmap 分段映射 ALLOCATIONGRANULARITY
- Python mmap 怎样分段处理超过内存的大文件
- 146浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 二进制协议 零拷贝 memoryview
- Python memoryview 如何零拷贝切片二进制协议数据
- 225浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发控制 · Python教程 · asyncio · 虚假唤醒 wait_for Python asyncio asyncio.Condition 异步同步
- Python asyncio.Condition.wait_for 如何处理虚假唤醒
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup 派生新组时如何保留异常元数据
- 417浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 402次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 478次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 487次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 435次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 260次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

