2025年9月30日 星期二

[水井USR創新教材]Python一下用魚菜共生模擬小例子來說明函式的進階概念

 


以下是由ChatGPT協助生成:

在 Python 裡,函式本身也是一種物件,可以:

  • 指派給變數

  • 放進資料結構(如 list)

  • 當作參數傳遞

範例一:函式視為物件(Function as Object)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
def carbon_calc(area):
    """計算單位面積月減碳量(假設固定係數)"""
    return round(area * 0.12, 2)

def water_calc(area):
    """計算單位面積月節水量"""
    return round(area * 0.08, 2)

# 函式指派給變數
c_func = carbon_calc
print("函式當變數使用:", c_func(10))

# 函式放入清單
calculators = [carbon_calc, water_calc]
for func in calculators:
    print(f"{func.__name__}{func(5)}")

# 函式當作參數傳遞
def apply_to_area(func, area):
    return func(area)

print("傳遞函式當參數:", apply_to_area(water_calc, 8))

執行結果:
函式當變數使用: 1.2
carbon_calc:0.6
water_calc:0.4
傳遞函式當參數: 0.64

📌 重點:

  • 函式本身可以像資料一樣被傳遞與儲存。

  • 為後面 closure 與 decorator 打基礎。


匿名函式適合用於小型、一次性邏輯,特別是排序、映射或高階函式中。
範例二:Lambda 函式(匿名函式)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
# lambda 版本的碳排計算
carbon_lambda = lambda area: round(area * 0.15, 2)
print("lambda 計算碳排:", carbon_lambda(10))

# lambda 用於 list 遍歷
areas = [3.3, 5.5, 10]
results = list(map(lambda a: round(a * 0.1, 2), areas))
print("lambda map 結果:", results)

# lambda 與 sorted 搭配
ponds = [("A池", 5), ("B池", 10), ("C池", 3)]
sorted_ponds = sorted(ponds, key=lambda x: x[1], reverse=True)
print("依面積排序魚池:", sorted_ponds)

執行結果:
lambda 計算碳排: 1.5
lambda map 結果: [0.33, 0.55, 1.0]
依面積排序魚池: [('B池', 10), ('A池', 5), ('C池', 3)]

📌 重點:

  • lambda = 匿名函式,可快速撰寫簡單邏輯。

  • 適合與 map / filter / sorted 等搭配。

產生器是用 yield 逐步產生資料,適合處理每月模擬資料流👇
範例三:產生器(Generator)
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
import random

def aquaponics_generator(months, area=3.3058):
    """每次呼叫 yield 一個月份的模擬資料"""
    for month in range(1, months + 1):
        seasonal_factor = 1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0
        carbon = area * 0.12 * seasonal_factor + random.uniform(-0.5, 0.5)
        water = area * 0.08 * seasonal_factor + random.uniform(-0.05, 0.05)
        yield month, round(carbon, 2), round(water, 2)

# 使用 generator
sim = aquaponics_generator(6)
for m, c, w in sim:
    print(f"第 {m} 月:減碳 {c} kg,節水 {w} m³")

執行結果:
第 1 月:減碳 0.73 kg,節水 0.24 m³
第 2 月:減碳 -0.07 kg,節水 0.3 m³
第 3 月:減碳 0.78 kg,節水 0.25 m³
第 4 月:減碳 -0.03 kg,節水 0.3 m³
第 5 月:減碳 0.88 kg,節水 0.24 m³
第 6 月:減碳 0.78 kg,節水 0.36 m³

📌 重點:

  • yield 會回傳一筆資料,但保留函式狀態。

  • 適合大量資料的逐筆處理。


內部函式就是在函式中再定義函式,可以封裝邏輯,避免汙染全域命名空間👇
範例四:內部函式(Inner Function)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
def simulate_one_year(area):
    """外部函式:包一年模擬"""

    def simulate_month(m):
        """內部函式:只在一年模擬裡用"""
        factor = 1.2 if 6 <= (m % 12 or 12) <= 8 else 1.0
        return round(area * 0.1 * factor, 2)

    results = []
    for month in range(1, 13):
        results.append(simulate_month(month))
    return results

print("一年模擬結果:", simulate_one_year(5))

執行結果:
一年模擬結果: [0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.6, 0.6, 0.5, 0.5, 0.5, 0.5]

📌 重點:

  • simulate_month 只存在 simulate_one_year 裡。

  • 有助於模組化程式與邏輯分層。

閉包的意思是要讓內部函式「記住」外部函式的變數,即使外部函式已經結束👇
範例五:Closure 函式(閉包)
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
def make_carbon_calculator(base_factor):
    """回傳一個記住 base_factor 的函式"""
    def calculator(area):
        return round(area * base_factor, 2)
    return calculator

# 建立兩種不同設定的計算器
summer_calc = make_carbon_calculator(0.15)  # 夏季
winter_calc = make_carbon_calculator(0.10)  # 冬季

print("夏季碳排:", summer_calc(10))
print("冬季碳排:", winter_calc(10))

執行結果:
夏季碳排: 1.5
冬季碳排: 1.0

📌 重點:

  • 閉包讓函式能夠「攜帶環境」。

  • 很適合製作客製化計算器或累積器。


裝飾器可用於增強函式,例如:

  • 日誌紀錄

  • 輸入檢查

  • 統計運行時間

範例六:Decorator(裝飾器)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
import functools

def log_simulation(func):
    """裝飾器:在模擬前後加上日誌"""
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        print("👉 開始模擬")
        result = func(*args, **kwargs)
        print("✅ 模擬完成")
        return result
    return wrapper

@log_simulation
def run_simulation(months):
    for m in range(1, months + 1):
        print(f"模擬第 {m} 月...")
    return "模擬結束"

print(run_simulation(3))

執行結果:
👉 開始模擬
模擬第 1 月...
模擬第 2 月...
模擬第 3 月...
✅ 模擬完成
模擬結束

📌 重點:

  • Decorator 是高階函式,輸入函式,回傳包裝過的函式。

  • @decorator_name 是語法糖,等同於 func = decorator(func)

[水井USR創新教材]Python一下用魚菜共生模擬小例子來說明函式的基本概念

 


以下是由ChatGPT協助生成:

範例一:全域變數與區域變數

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
# 全域變數
global_factor = 10

def multiply_by_global(x):
    # 函式內可以讀取全域變數
    result = x * global_factor
    print(f"在函式中,x={x},global_factor={global_factor},result={result}")

def use_local_variable():
    # 區域變數:只在這個函式裡有效
    local_factor = 5
    print(f"local_factor 只在這個函式內有效:{local_factor}")

multiply_by_global(3)
use_local_variable()

# print(local_factor)  # ❌ 會出錯,因為 local_factor 是區域變數

執行結果:
在函式中,x=3,global_factor=10,result=30
local_factor 只在這個函式內有效:5

📌 重點:

  • global_factor 是全域變數,整個程式都能用。

  • local_factor 是區域變數,函式外無法存取。


範例二:函式的定義、呼叫與回傳值
1
2
3
4
5
6
7
def square(x):
    """回傳 x 的平方"""
    return x * x

# 呼叫函式
result = square(5)
print(f"5 的平方是 {result}")

執行結果:
5 的平方是 25

📌 重點:

  • def 是定義函式的關鍵字。

  • 使用 return 回傳結果;呼叫函式時可接收該值


範例三:函式中「有預設值」的參數,一定要放在後面

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
# ❌ 錯誤寫法:有預設值的參數在前
# def greeting(message="Hello", name):
#     print(f"{message}, {name}")

# ✅ 正確寫法:無預設值的在前,有預設值的在後
def greeting(name, message="Hello"):
    print(f"{message}, {name}")

greeting("水井村")              # 使用預設值
greeting("歡迎光臨", "水井村")      # 覆寫預設值

執行結果:
Hello, 水井村
水井村, 歡迎光臨

📌 重點:

Python 函式定義時,預設值參數必須放在沒有預設值參數之後。

範例四:多個回傳值

1
2
3
4
5
6
7
def get_min_max(numbers):
    """回傳最小值與最大值(tuple)"""
    return min(numbers), max(numbers)

nums = [5, 2, 9, 1, 7]
minimum, maximum = get_min_max(nums)
print(f"最小值: {minimum}, 最大值: {maximum}")

執行結果:
最小值: 1, 最大值: 9

📌 重點:

  • 函式可以回傳多個值(實際是回傳 tuple)。

  • 可以同時接收多個變數來解包。


範例五:位置引數與關鍵字引數

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
def describe_pond(location, area, fish_type="吳郭魚"):
    print(f"地點:{location},面積:{area} m²,魚種:{fish_type}")

# 位置引數(依順序)
describe_pond("水井村", 100)
def describe_pond(location, area, fish_type="吳郭魚"):
    print(f"地點:{location},面積:{area} m²,魚種:{fish_type}")

# 位置引數(依順序)
describe_pond("水井村", 100)

# 關鍵字引數(不用依順序)
describe_pond(area=200, location="口湖鄉", fish_type="文蛤")

# 混用:位置引數要放前面
describe_pond("口湖鄉水井村", area=50)

執行結果:
地點:水井村,面積:100 m²,魚種:吳郭魚
地點:口湖鄉,面積:200 m²,魚種:文蛤
地點:口湖鄉水井村,面積:50 m²,魚種:吳郭魚

📌 重點:

  • 位置引數:按照順序傳入。

  • 關鍵字引數:用「參數名=值」指定。

  • 混用時,位置引數必須在關鍵字引數之前。

範例六:與「魚菜共生模擬」結合的小例子

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
import random

# 全域變數
global_area = 3.3058

def single_month_simulation(month, area=global_area, base_emission=1.5):
    """模擬單月減碳量,示範回傳值與預設值參數"""
    seasonal_factor = 1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0
    monthly_emission = base_emission / 12
    carbon = monthly_emission * area * seasonal_factor + random.uniform(-1, 1)
    return round(carbon, 2)  # 回傳單月減碳量

# 位置引數
print(single_month_simulation(1))

# 關鍵字引數
print(single_month_simulation(month=7, area=5))

# 使用全域變數(不傳 area)
print(single_month_simulation(3))

執行結果:
0.89
1.2
0.0

📌 重點:

  • 使用了預設值參數 + 關鍵字引數。

  • 示範全域變數作為預設參數。

  • 回傳單一計算值並列印。


[水井USR創新教材]Python一下智慧減碳節水三生一體-類別

 2025年9月28尚虎雲在雲林官邸兒童館發表尚虎雲產銷平台。



以下程式是由ChatGPT產生。

範例一:魚菜共生模擬器

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
import math
import random
import logging
import functools

# 設定日誌
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(message)s')

class AquaponicsSimulator:
    """
    魚菜共生系統模擬器:模擬每月減碳與節水量。
    """

    def __init__(self, months, area=3.3058, base_emission=1.5, base_water=0.5):
        """
        初始化模擬器。
        參數:
            months: 模擬月數
            area: 魚池面積(平方米)
            base_emission: 每平方米年排放量(kg CO₂e)
            base_water: 每平方米月用水量(m³)
        """
        self.months = months
        self.area = area
        self.base_emission = base_emission
        self.base_water = base_water
        self.tech_carbon_reduction = 0.95  # 魚菜共生減碳效果(減少 5%)
        self.tech_water_saving = 0.9       # 魚菜共生節水效果(減少 10%)
        self.results = []                  # 儲存每月模擬結果

    def _simulate_month(self, current_month):
        """
        模擬單一月份的減碳與節水量。
        """
        # 季節性波動:夏季(6-8 月)增加 20%
        seasonal_factor = 1.2 if 6 <= (current_month % 12 or 12) <= 8 else 1.0
        monthly_emission = self.base_emission / 12

        carbon = (monthly_emission * self.area * seasonal_factor * self.tech_carbon_reduction +
                  random.uniform(-5, 5))
        water = (self.base_water * self.area * seasonal_factor * self.tech_water_saving +
                 random.uniform(-0.05, 0.05))

        # 驗證非負
        carbon = max(0, round(carbon, 2))
        water = max(0, round(water, 2))

        # 記錄日誌
        logging.info(f"Month {current_month}: Carbon = {carbon} kg CO₂e, Water = {water} m³")

        return carbon, water

    def _recursive_simulation(self, current_month=1):
        """
        遞迴模擬每月資料。
        """
        if current_month > self.months:
            return

        # 計算當月數據
        carbon, water = self._simulate_month(current_month)
        self.results.append((carbon, water))

        # 遞迴下一月
        self._recursive_simulation(current_month + 1)

    def run(self):
        """
        執行模擬並返回所有月份的結果。
        """
        self.results.clear()  # 清空舊資料
        self._recursive_simulation(1)
        return self.results

# === 測試使用 ===
if __name__ == "__main__":
    simulator = AquaponicsSimulator(months=12)
    monthly_data = simulator.run()

    print("水井村魚菜共生每月減碳與節水數據:")
    for i, (carbon, water) in enumerate(monthly_data, 1):
        print(f"第 {i} 月 - 減碳量: {carbon} kg CO₂e, 節水量: {water} m³")


範例二:水井三寶

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
# 定義一個基礎寶物類別
class Treasure:
    def __init__(self, name, meaning, age):
        self.name = name
        self.meaning = meaning
        self.age = age

    def describe(self):
        return f"{self.name}:象徵 {self.meaning},已有 {self.age} 年歷史。"

    def __str__(self):
        return self.describe()

# 三寶:烏龜、白馬、番花

class Turtle(Treasure):
    def __init__(self):
        super().__init__("烏龜", "風水與守護", 300)

class WhiteHorse(Treasure):
    def __init__(self):
        super().__init__("白馬", "信仰與傳說", 150)

class Frangipani(Treasure):  # 雞蛋花的英文名稱
    def __init__(self):
        super().__init__("番花", "歷史與生命", 300)

# 建立物件
turtle = Turtle()
horse = WhiteHorse()
flower = Frangipani()

# 顯示介紹(透過 print(object) 直接呼叫 __str__)
print(turtle)
print(horse)
print(flower)

執行結果:
烏龜:象徵 風水與守護,已有 300 年歷史。
白馬:象徵 信仰與傳說,已有 150 年歷史。
番花:象徵 歷史與生命,已有 300 年歷史。

註:這些歷史時間只是ChatGPT對程式的預設值,需要再考證。

2025年9月27日 星期六

[水井USR創新教材]Python一下採用魚菜共生技術-函式

 


過去實作的魚菜共生技術:

以下範例是使用Grok AI產生:

範例一:函式使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
import math
import random

def aquaponics_simulation(months, area=3.3058, base_emission=1.5, base_water=0.5):
    """
    模擬魚菜共生系統的減碳與節水數據(每月)。
    參數:
        months: 模擬月數
        area: 魚池面積(平方米,預設 1 分 ≈ 3.3058 m²)
        base_emission: 每平方米年排放量(kg CO₂e,轉為月均)
        base_water: 每平方米月用水量(m³)
    返回:
        生成器,產生 (減碳量, 節水量) 元組
    """
    tech_carbon_reduction = 0.85  # 魚菜共生減碳效果(減少 15%)
    tech_water_saving = 0.9       # 魚菜共生節水效果(減少 10%)
    monthly_emission = base_emission / 12  # 月均排放量
    
    for month in range(1, months + 1):
        # 季節性波動:夏季(6-8 月)增加 20%
        seasonal_factor = 1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0
        # 計算減碳量(kg CO₂e)
        carbon = (monthly_emission * area * seasonal_factor * tech_carbon_reduction +
                  random.uniform(-5, 5))
        # 計算節水量(m³)
        water = (base_water * area * seasonal_factor * tech_water_saving +
                 random.uniform(-0.05, 0.05))
        yield round(carbon, 2), round(water, 2)

# 模擬 12 個月數據
simulator = aquaponics_simulation(12)
monthly_data = [(carbon, water) for carbon, water in simulator]  # 串列生成式收集數據

# 輸出結果
print("水井村魚菜共生每月減碳與節水數據:")
for i, (carbon, water) in enumerate(monthly_data, 1):
    print(f"第 {i} 月 - 減碳量: {carbon} kg CO₂e, 節水量: {water} m³")

執行結果:
水井村魚菜共生每月減碳與節水數據:
第 1 月 - 減碳量: 4.61 kg CO₂e, 節水量: 1.45 m³
第 2 月 - 減碳量: 2.21 kg CO₂e, 節水量: 1.51 m³
第 3 月 - 減碳量: 1.12 kg CO₂e, 節水量: 1.48 m³
第 4 月 - 減碳量: -0.71 kg CO₂e, 節水量: 1.5 m³
第 5 月 - 減碳量: 5.21 kg CO₂e, 節水量: 1.45 m³
第 6 月 - 減碳量: -1.18 kg CO₂e, 節水量: 1.74 m³
第 7 月 - 減碳量: 5.01 kg CO₂e, 節水量: 1.8 m³
第 8 月 - 減碳量: 4.25 kg CO₂e, 節水量: 1.76 m³
第 9 月 - 減碳量: 2.44 kg CO₂e, 節水量: 1.46 m³
第 10 月 - 減碳量: 2.55 kg CO₂e, 節水量: 1.45 m³
第 11 月 - 減碳量: 3.25 kg CO₂e, 節水量: 1.45 m³
第 12 月 - 減碳量: -3.3 kg CO₂e, 節水量: 1.47 m³

範例二:採用遞迴
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
import math
import random

def aquaponics_recursive(months, current_month=1, area=3.3058, base_emission=1.5, base_water=0.5):
    """
    遞迴函式:模擬魚菜共生系統的減碳與節水數據(每月)。
    參數:
        months: 總模擬月數
        current_month: 當前月份(遞迴追蹤)
        area: 魚池面積(平方米,預設 1 分 ≈ 3.3058 m²)
        base_emission: 每平方米年排放量(kg CO₂e,轉為月均)
        base_water: 每平方米月用水量(m³)
    返回:
        生成器,產生 (減碳量, 節水量) 元組
    """
    if current_month > months:
        return  # 遞迴終止條件:超過指定月份

    # 季節性波動:夏季(6-8 月)增加 20%
    seasonal_factor = 1.2 if 6 <= (current_month % 12 or 12) <= 8 else 1.0
    tech_carbon_reduction = 0.95  # 魚菜共生減碳效果(減少 5%)
    tech_water_saving = 0.9       # 魚菜共生節水效果(減少 10%)
    monthly_emission = base_emission / 12  # 月均排放量

    # 計算當月減碳量(kg CO₂e)與節水量(m³)
    carbon = (monthly_emission * area * seasonal_factor * tech_carbon_reduction +
              random.uniform(-5, 5))
    water = (base_water * area * seasonal_factor * tech_water_saving +
             random.uniform(-0.05, 0.05))

    # 產生當前月份數據
    yield round(carbon, 2), round(water, 2)

    # 遞迴呼叫下一月份
    yield from aquaponics_recursive(months, current_month + 1, area, base_emission, base_water)

# 模擬 12 個月數據
simulator = aquaponics_recursive(12)
monthly_data = [(carbon, water) for carbon, water in simulator]  # 串列生成式收集數據

# 輸出結果
print("水井村魚菜共生每月減碳與節水數據:")
for i, (carbon, water) in enumerate(monthly_data, 1):
    print(f"第 {i} 月 - 減碳量: {carbon} kg CO₂e, 節水量: {water} m³")

執行結果:
水井村魚菜共生每月減碳與節水數據:
第 1 月 - 減碳量: -0.09 kg CO₂e, 節水量: 1.53 m³
第 2 月 - 減碳量: -3.0 kg CO₂e, 節水量: 1.48 m³
第 3 月 - 減碳量: 2.79 kg CO₂e, 節水量: 1.5 m³
第 4 月 - 減碳量: 0.02 kg CO₂e, 節水量: 1.49 m³
第 5 月 - 減碳量: 3.88 kg CO₂e, 節水量: 1.5 m³
第 6 月 - 減碳量: -2.87 kg CO₂e, 節水量: 1.8 m³
第 7 月 - 減碳量: 3.24 kg CO₂e, 節水量: 1.75 m³
第 8 月 - 減碳量: -0.6 kg CO₂e, 節水量: 1.75 m³
第 9 月 - 減碳量: -2.14 kg CO₂e, 節水量: 1.44 m³
第 10 月 - 減碳量: -1.64 kg CO₂e, 節水量: 1.45 m³
第 11 月 - 減碳量: 4.4 kg CO₂e, 節水量: 1.52 m³
第 12 月 - 減碳量: 1.04 kg CO₂e, 節水量: 1.51 m³

範例三:採用裝飾器
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
import math
import random
import functools
import logging

# 設定日誌
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(message)s')

def log_and_validate(func):
    """
    裝飾器:記錄模擬數據並驗證非負值。
    """
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        for carbon, water in func(*args, **kwargs):
            # 驗證數據:確保減碳量和節水量不為負
            carbon = max(0, carbon)
            water = max(0, water)
            # 記錄日誌
            logging.info(f"Month {kwargs.get('current_month', 1)}: Carbon = {carbon} kg CO₂e, Water = {water} m³")
            yield carbon, water
    return wrapper

@log_and_validate
def aquaponics_recursive(months, current_month=1, area=3.3058, base_emission=1.5, base_water=0.5):
    """
    遞迴函式:模擬魚菜共生系統的減碳與節水數據(每月)。
    參數:
        months: 總模擬月數
        current_month: 當前月份(遞迴追蹤)
        area: 魚池面積(平方米,預設 1 分 ≈ 3.3058 m²)
        base_emission: 每平方米年排放量(kg CO₂e,轉為月均)
        base_water: 每平方米月用水量(m³)
    返回:
        生成器,產生 (減碳量, 節水量) 元組
    """
    if current_month > months:
        return  # 遞迴終止條件:超過指定月份

    # 季節性波動:夏季(6-8 月)增加 20%
    seasonal_factor = 1.2 if 6 <= (current_month % 12 or 12) <= 8 else 1.0
    tech_carbon_reduction = 0.95  # 魚菜共生減碳效果(減少 5%)
    tech_water_saving = 0.9       # 魚菜共生節水效果(減少 10%)
    monthly_emission = base_emission / 12  # 月均排放量

    # 計算當月減碳量(kg CO₂e)與節水量(m³)
    carbon = (monthly_emission * area * seasonal_factor * tech_carbon_reduction +
              random.uniform(-5, 5))
    water = (base_water * area * seasonal_factor * tech_water_saving +
             random.uniform(-0.05, 0.05))

    # 產生當前月份數據
    yield round(carbon, 2), round(water, 2)

    # 遞迴呼叫下一月份
    yield from aquaponics_recursive(months, current_month + 1, area, base_emission, base_water)

# 模擬 12 個月數據
simulator = aquaponics_recursive(12)
monthly_data = [(carbon, water) for carbon, water in simulator]  # 串列生成式收集數據

# 輸出結果
print("水井村魚菜共生每月減碳與節水數據:")
for i, (carbon, water) in enumerate(monthly_data, 1):
    print(f"第 {i} 月 - 減碳量: {carbon} kg CO₂e, 節水量: {water} m³")

執行結果:
2025-09-27 20:49:40,437 - Month 1: Carbon = 3.41 kg CO₂e, Water = 1.44 m³
2025-09-27 20:49:40,449 - Month 1: Carbon = 0 kg CO₂e, Water = 1.5 m³
2025-09-27 20:49:40,453 - Month 1: Carbon = 0 kg CO₂e, Water = 1.5 m³
2025-09-27 20:49:40,459 - Month 1: Carbon = 4.2 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,465 - Month 1: Carbon = 4.2 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,470 - Month 1: Carbon = 4.2 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,476 - Month 1: Carbon = 4.37 kg CO₂e, Water = 1.5 m³
2025-09-27 20:49:40,482 - Month 1: Carbon = 4.37 kg CO₂e, Water = 1.5 m³
2025-09-27 20:49:40,488 - Month 1: Carbon = 4.37 kg CO₂e, Water = 1.5 m³
2025-09-27 20:49:40,492 - Month 1: Carbon = 4.37 kg CO₂e, Water = 1.5 m³
2025-09-27 20:49:40,498 - Month 1: Carbon = 0 kg CO₂e, Water = 1.51 m³
2025-09-27 20:49:40,503 - Month 1: Carbon = 0 kg CO₂e, Water = 1.51 m³
2025-09-27 20:49:40,509 - Month 1: Carbon = 0 kg CO₂e, Water = 1.51 m³
2025-09-27 20:49:40,519 - Month 1: Carbon = 0 kg CO₂e, Water = 1.51 m³
2025-09-27 20:49:40,524 - Month 1: Carbon = 0 kg CO₂e, Water = 1.51 m³
2025-09-27 20:49:40,531 - Month 1: Carbon = 0 kg CO₂e, Water = 1.82 m³
2025-09-27 20:49:40,537 - Month 1: Carbon = 0 kg CO₂e, Water = 1.82 m³
2025-09-27 20:49:40,542 - Month 1: Carbon = 0 kg CO₂e, Water = 1.82 m³
2025-09-27 20:49:40,547 - Month 1: Carbon = 0 kg CO₂e, Water = 1.82 m³
2025-09-27 20:49:40,553 - Month 1: Carbon = 0 kg CO₂e, Water = 1.82 m³
2025-09-27 20:49:40,559 - Month 1: Carbon = 0 kg CO₂e, Water = 1.82 m³
2025-09-27 20:49:40,565 - Month 1: Carbon = 0 kg CO₂e, Water = 1.79 m³
2025-09-27 20:49:40,570 - Month 1: Carbon = 0 kg CO₂e, Water = 1.79 m³
2025-09-27 20:49:40,575 - Month 1: Carbon = 0 kg CO₂e, Water = 1.79 m³
2025-09-27 20:49:40,581 - Month 1: Carbon = 0 kg CO₂e, Water = 1.79 m³
2025-09-27 20:49:40,586 - Month 1: Carbon = 0 kg CO₂e, Water = 1.79 m³
2025-09-27 20:49:40,593 - Month 1: Carbon = 0 kg CO₂e, Water = 1.79 m³
2025-09-27 20:49:40,599 - Month 1: Carbon = 0 kg CO₂e, Water = 1.79 m³
2025-09-27 20:49:40,604 - Month 1: Carbon = 0.01 kg CO₂e, Water = 1.77 m³
2025-09-27 20:49:40,610 - Month 1: Carbon = 0.01 kg CO₂e, Water = 1.77 m³
2025-09-27 20:49:40,618 - Month 1: Carbon = 0.01 kg CO₂e, Water = 1.77 m³
2025-09-27 20:49:40,624 - Month 1: Carbon = 0.01 kg CO₂e, Water = 1.77 m³
2025-09-27 20:49:40,632 - Month 1: Carbon = 0.01 kg CO₂e, Water = 1.77 m³
2025-09-27 20:49:40,638 - Month 1: Carbon = 0.01 kg CO₂e, Water = 1.77 m³
2025-09-27 20:49:40,642 - Month 1: Carbon = 0.01 kg CO₂e, Water = 1.77 m³
2025-09-27 20:49:40,649 - Month 1: Carbon = 0.01 kg CO₂e, Water = 1.77 m³
2025-09-27 20:49:40,654 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,659 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,665 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,671 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,677 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,682 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,688 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,694 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,699 - Month 1: Carbon = 4.98 kg CO₂e, Water = 1.46 m³
2025-09-27 20:49:40,704 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,710 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,715 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,720 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,726 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,732 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,737 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,743 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,749 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,753 - Month 1: Carbon = 0 kg CO₂e, Water = 1.48 m³
2025-09-27 20:49:40,759 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,764 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,770 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,776 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,781 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,787 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,792 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,798 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,803 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,808 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,814 - Month 1: Carbon = 0 kg CO₂e, Water = 1.52 m³
2025-09-27 20:49:40,819 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,824 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,830 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,837 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,841 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,847 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,852 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,858 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,863 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,868 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,874 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
2025-09-27 20:49:40,880 - Month 1: Carbon = 0.84 kg CO₂e, Water = 1.53 m³
水井村魚菜共生每月減碳與節水數據:
第 1 月 - 減碳量: 3.41 kg CO₂e, 節水量: 1.44 m³
第 2 月 - 減碳量: 0 kg CO₂e, 節水量: 1.5 m³
第 3 月 - 減碳量: 4.2 kg CO₂e, 節水量: 1.46 m³
第 4 月 - 減碳量: 4.37 kg CO₂e, 節水量: 1.5 m³
第 5 月 - 減碳量: 0 kg CO₂e, 節水量: 1.51 m³
第 6 月 - 減碳量: 0 kg CO₂e, 節水量: 1.82 m³
第 7 月 - 減碳量: 0 kg CO₂e, 節水量: 1.79 m³
第 8 月 - 減碳量: 0.01 kg CO₂e, 節水量: 1.77 m³
第 9 月 - 減碳量: 4.98 kg CO₂e, 節水量: 1.46 m³
第 10 月 - 減碳量: 0 kg CO₂e, 節水量: 1.48 m³
第 11 月 - 減碳量: 0 kg CO₂e, 節水量: 1.52 m³
第 12 月 - 減碳量: 0.84 kg CO₂e, 節水量: 1.53 m³



[水井USR創新教材]Python一下模擬智慧減碳-生成式與產生器



水井村智慧減碳節水三生一體實踐計畫有一個很重要的KPI,就是要減碳5%, 本篇我們就先來用模擬的方式來看減碳5%對於場域的的影響,我們也考慮確保 6-8 月排放增加,模擬夏季高耗能情境,例如:6 <= (month % 12 or 12) <= 8。

範例一:生成式

1
2
month=[f"第{i}月" for i in range(1, 13)]
print(month)

執行結果:
['第1月', '第2月', '第3月', '第4月', '第5月', '第6月', '第7月', '第8月', '第9月', '第10月', '第11月', '第12月']

範例二:含有判斷式的生成式

1
2
3
4
5
import random
base_emission = 100  # 基準碳排放量(噸)
tech_impact = 0.95   # 技術介入的減碳效果(每月減少5%)
impact=[round(base_emission * ((1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0)) * (tech_impact ** month)+random.uniform(-5, 5), 2) for month in range(1, 12 + 1)]
print(impact)
執行結果:
[96.57, 87.64, 83.33, 80.68, 73.26, 90.74, 83.72, 84.43, 65.35, 63.81, 56.53, 50.54]

範例三:把範例一和二合成字典

1
2
3
4
5
6
7
import random
month=[f"第{i}月" for i in range(1, 13)]
base_emission = 100  # 基準碳排放量(噸)
tech_impact = 0.95   # 技術介入的減碳效果(每月減少5%)
impact=[round(base_emission * ((1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0)) * (tech_impact ** month)+random.uniform(-5, 5), 2) for month in range(1, 12 + 1)]
month_impact=dict(zip(month,impact))
print(month_impact)
執行結果:
{'第1月': 97.5, '第2月': 87.14, '第3月': 85.1, '第4月': 86.0, '第5月': 76.31, '第6月': 86.06, '第7月': 80.19, '第8月': 82.19, '第9月': 64.37, '第10月': 55.71, '第11月': 54.77, '第12月': 50.24}
 
範例四:字典生成式
1
2
3
4
5
import random
base_emission = 100  # 基準碳排放量(噸)
tech_impact = 0.95   # 技術介入的減碳效果(每月減少5%)
month_impact={f"第{month}月":round(base_emission * ((1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0)) * (tech_impact ** month)+random.uniform(-5, 5), 2) for month in range(1, 12 + 1)}
print(month_impact)
執行結果:
{'第1月': 94.96, '第2月': 87.65, '第3月': 90.21, '第4月': 78.92, '第5月': 75.33, '第6月': 90.81, '第7月': 84.18, '第8月': 75.96, '第9月': 60.68, '第10月': 60.1, '第11月': 61.06, '第12月': 50.56}

範例五:產生器 
1
2
3
4
5
6
7
import random
base_emission = 100  # 基準碳排放量(噸)
tech_impact = 0.95   # 技術介入的減碳效果(每月減少5%)
impact=(round(base_emission * ((1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0)) * (tech_impact ** month)+random.uniform(-5, 5), 2) for month in range(1, 12 + 1))
for month, value in enumerate(impact):
    month=month+1
    print(f"第{month}月碳排為{value}噸")

執行結果:
第1月碳排為92.95噸
第2月碳排為90.24噸
第3月碳排為89.17噸
第4月碳排為77.57噸
第5月碳排為80.54噸
第6月碳排為90.5噸
第7月碳排為84.88噸
第8月碳排為75.62噸
第9月碳排為61.72噸
第10月碳排為57.54噸
第11月碳排為58.99噸
第12月碳排為58.33噸

範例六:產生器只會出現過一次,使用2次迴圈,也只會在第一次時才有值
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
import random
base_emission = 100  # 基準碳排放量(噸)
tech_impact = 0.95   # 技術介入的減碳效果(每月減少5%)
impact=(round(base_emission * ((1.2 if 6 <= (month % 12 or 12) <= 8 else 1.0)) * (tech_impact ** month)+random.uniform(-5, 5), 2) for month in range(1, 12 + 1))
for month, value in enumerate(impact):
    month=month+1
    print(f"第{month}月碳排為{value}噸")
for month, value in enumerate(impact):
    month=month+1
    print(f"第{month}月碳排為{value}噸")

執行結果:
第1月碳排為93.49噸
第2月碳排為89.92噸
第3月碳排為87.4噸
第4月碳排為84.28噸
第5月碳排為73.18噸
第6月碳排為92.6噸
第7月碳排為79.19噸
第8月碳排為78.11噸
第9月碳排為67.45噸
第10月碳排為58.03噸
第11月碳排為54.94噸
第12月碳排為49.71噸