30 seconds of code Python 技巧：用 `range()` 与列表推导式求解幂和（Sum of Powers）-育师

教程
文档

【免费下载链接】30-seconds-of-code

Coding articles to level up your development skills

项目地址：https://gitcode.com/gh_mirrors/30/30-seconds-of-code

导读

本文讲解 30 seconds of code 仓库中 Python 数学片段sum_of_powers的实现原理与用法：如何借助range()与列表推导式生成指定闭区间内所有整数的幂，再用sum()一次性求和。读完本文，你将掌握该函数的参数语义、边界行为与运行示例，并理解列表推导式 +range()这一组合在数值序列生成中的通用价值。对应源码片段位于 sum-of-powers.md，归类于 Python Math 集合。

核心实现：一行代码完成幂和计算

片段的核心逻辑非常紧凑，全部体现在一个函数中：

def sum_of_powers(end, power = 2, start = 1): return sum([(i) ** power for i in range(start, end + 1)]) sum_of_powers(10) # 385 sum_of_powers(10, 3) # 3025 sum_of_powers(10, 3, 5) # 2925

该函数计算从start到end（两端均包含）的所有整数的power次幂之和，数学上等价于：

sum_of_powers(end, power, start) = Σ (i ** power), i ∈ [start, end]

其内部流程分三步：

range(start, end + 1)生成闭区间[start, end]的整数序列。由于range()的右端点不包含，因此传入end + 1来保证end本身被纳入求和范围；
列表推导式[(i) ** power for i in ...]对序列中每个元素执行幂运算** power，得到一个新的幂值列表；
sum()将列表中的全部幂值累加，返回最终结果。

参数语义与默认值

参数	含义	默认值	说明
`end`	区间右端点（含）	必填	`range(start, end + 1)`的终止值
`power`	幂指数	`2`	默认计算平方和，即平方数之和
`start`	区间左端点（含）	`1`	默认从 1 开始

三个示例分别验证了三种典型用法：

sum_of_powers(10)：计算1² + 2² + … + 10² = 385（利用默认的power=2, start=1）；
sum_of_powers(10, 3)：计算1³ + 2³ + … + 10³ = 3025，即前 10 个自然数的立方和；
sum_of_powers(10, 3, 5)：计算5³ + 6³ + … + 10³ = 2925，验证了自定义起始点对求和区间的影响。

边界行为与注意事项

闭区间语义：end与start均包含在内，这是由end + 1的写法保证的。这一点与range()默认的“左闭右开”语义不同，是容易出错的地方；
start大于end时：range(start, end + 1)生成空序列，列表推导式结果为空列表，sum()返回0，不会抛错；
负数与零：range()支持负数与零，因此可计算包含0或负数的区间；0 ** power在power > 0时为0，不影响结果；
性能取舍：该实现先构造完整幂值列表再求和，中间列表会占用内存。对于超大规模区间，可改用生成器表达式sum(i ** power for i in range(start, end + 1))以惰性求值、减少内存占用；片段选择列表推导式则是为了简洁直观，符合“30 秒读懂”的风格。

在仓库语境中的定位：`range()`+ 列表推导式的通用模式

sum_of_powers并非孤立片段，它体现了 30 seconds of code Python 集合中反复出现的“range()生成区间 + 列表推导式变换”的通用数值序列模式。仓库中同类思想的其他片段包括：

initialize-list-with-range-value-daterange.md：同样使用列表推导式与range()生成指定区间、指定步长的数值列表，并讨论闭区间（end + 1）与开区间写法的区别，可与本文互相印证；
code-anatomy-performant-python.md：分析了列表推导式相对filter()+list()组合的性能优势，指出列表推导式是接近原生for循环的写法，几乎没有额外函数调用开销，这也解释了本片段优先采用列表推导式的原因。

从仓库的模型定义看，该片段属于Snippet内容模型（见 src/models/snippet.js），其元数据（tags: [math]、language: python、cover: river-flow）由 snippet-template.md 规定的 frontmatter 结构描述；math标签会将其归入 content/collections/python/math.yaml 所定义的 Python Math 集合。

延伸练习：将片段泛化与复用

理解核心实现后，可以基于同一思路做小幅扩展，例如：

# 改用生成器表达式，适合大区间、节省内存 def sum_of_powers_lazy(end, power = 2, start = 1): return sum(i ** power for i in range(start, end + 1)) # 指定步长（如只求偶数幂和） def sum_of_powers_step(end, power = 2, start = 1, step = 1): return sum(i ** power for i in range(start, end + 1, step))

这些变体保持了原有闭区间语义与默认参数习惯，可直接替换或作为学习range()步长参数的练习。全部示例均可在本地 Python 3.6+ 环境中直接运行验证（仓库 Python Math 集合即注明面向 Python 3.6）。