命令式编程(Imperative Programming)

命令式编程通过赋值、分支、循环等语句,明确描述程序如何一步步改变状态并得到结果。

一句话定义

命令式编程通过赋值、分支、循环等语句,明确描述程序如何一步步改变状态并得到结果。

为什么重要

  • 它便于学习执行步骤与状态变化:分析赋值和控制流是阅读许多程序的基础,源程序的范式与底层实现应分别理解。
  • 它是几乎所有人学编程的起点:变量、赋值、if、for、while 都是命令式的基本元素。
  • 读懂命令式代码的关键能力——在脑中跟踪状态变化——也是调试的核心能力。

使用边界

执行顺序与状态变化是理解重点。使用对象不必然意味着状态可变;SQL 或函数式语言也不能仅凭其底层实现就归为命令式语言。

原理 / 图解

命令式程序 = 状态(变量的当前值) + 改变状态的语句序列 + 控制流(顺序、分支、循环)。

图 1

**过程式(Procedural)**是命令式的一个子类:把指令序列打包成“过程/函数”复用,C 语言是代表。维基百科对二者关系的说明:https://en.wikipedia.org/wiki/Imperative_programming

可运行示例

一个库存扣减的小程序,每一步都打印状态的变化(Python 3.15.0 一稿运行记录):

# 文件:examples/02_imperative.py
# 命令式:显式的状态 + 显式的步骤。看清"状态"如何一步步变化
inventory = {"apple": 5, "pear": 2}
orders = [("apple", 3), ("pear", 5), ("apple", 1)]

for step, (item, qty) in enumerate(orders, 1):
    before = inventory[item]
    if before >= qty:
        inventory[item] -= qty          # 修改状态(赋值 = 命令式的核心)
        result = "成功"
    else:
        result = "库存不足"
    print(f"第{step}步 {item}×{qty}: {before} -> {inventory[item]} ({result})")

print("最终状态:", inventory)

一稿留存输出:

第1步 apple×3: 5 -> 2 (成功)
第2步 pear×5: 2 -> 2 (库存不足)
第3步 apple×1: 2 -> 1 (成功)
最终状态: {'apple': 1, 'pear': 2}

这段代码的“命令式特征”:有一个被不断修改的字典 stock,每一步的结果依赖之前所有步骤——前一步的错误可能影响后续结果,需要检查状态不变量。这既是它直观的原因,也是它难以并行和测试的原因。

常见误区

  • “命令式 = 落后”:性能敏感的内核代码(CUDA kernel、数据库引擎内部)大多是命令式,因为它对内存和执行顺序有最精细的控制。
  • 到处共享可变全局变量:命令式最大的风险是“谁都能改状态”。把状态限制在函数或对象内部,是控制复杂度的第一步。
  • 把“命令式”和“过程式”混为一谈:过程式是命令式加上“函数封装”,常见的可变对象风格会使用命令式步骤,但面向对象并不要求所有方法都修改状态。

与 AI 开发的关系

  • 训练循环本质上是命令式的:for batch in loader: loss = ...; loss.backward(); optimizer.step()——每一步都在修改模型参数这个巨大的“状态”。
  • Jupyter Notebook 的坑来自命令式:单元格可乱序执行,全局状态被反复修改,导致“我这里能跑、重启内核就不行”。
  • 让 AI 生成脚本时,步骤清楚且状态受控的脚本便于阅读和审查,适合一次性的数据处理任务。

延伸阅读

理解检查

为何交换两条赋值语句可能改变结果?

参考答案:后一条语句可能读取前一条修改后的状态;分析命令式程序要同时追踪执行顺序和变量当前值。

核验与复现

核验日期:2026-10-14。示例状态:运行通过。本轮日志:02_imperative.py。

配套代码与核验资料

继续浏览基础 返回知识 →返回顶部 ↑
本篇目录
教程图解100%
教程图解