别再死记硬背了！用Python代码帮你搞定离散数学命题逻辑（附真值表生成脚本）

用Python代码玩转离散数学：命题逻辑的自动化实践

离散数学作为计算机科学的基石，命题逻辑部分常常让初学者感到抽象枯燥。但如果你手上有Python这把瑞士军刀，一切都会变得生动起来。今天我们就用代码重新理解命题逻辑，从真值表生成到范式计算，让抽象概念变成屏幕上可运行的函数。

1. 命题逻辑的Python化表达

命题逻辑的核心在于用符号系统表达复杂陈述。在Python中，我们可以用布尔值和逻辑运算符完美还原这一过程。先从一个简单的例子开始：

# 定义命题变量
p = True  # "今天下雨"
q = False # "我带伞"

# 逻辑联结词实现
print("非p:", not p)  # 否定
print("p且q:", p and q)  # 合取
print("p或q:", p or q)  # 析取
print("如果p那么q:", not p or q)  # 蕴含

命题符号化的进阶技巧在于处理复杂陈述。比如"除非A否则B"这类日常表达：

def unless(a, b):
    return b if a else True
    
# "除非下雨，否则我去公园" 
rain = False
go_park = unless(rain, True)

对于更复杂的一阶逻辑命题，可以建立命题字典来管理：

propositions = {
    'p': '张三去开会',
    'q': '李四去开会',
    'r': '王五去开会'
}

def symbolize(statement):
    # 实现自然语言到符号的转换逻辑
    pass

2. 真值表的自动化生成

手工绘制真值表既耗时又容易出错，用Python可以轻松实现自动化。我们先构建一个通用的真值表生成器：

from itertools import product

def generate_truth_table(variables, expression):
    # 生成表头
    header = variables + [expression.__name__]
    print("\t".join(header))
    
    # 遍历所有可能的真值组合
    for values in product([False, True], repeat=len(variables)):
        row = list(values) + [expression(*values)]
        print("\t".join(map(str, row)))

# 示例：验证德摩根律
def de_morgan(p, q):
    return not (p and q) == (not p) or (not q)

generate_truth_table(['p', 'q'], de_morgan)

真值表的可视化改进可以借助pandas和matplotlib：

import pandas as pd
import seaborn as sns

def visual_truth_table(variables, func):
    combinations = list(product([False, True], repeat=len(variables)))
    df = pd.DataFrame(combinations, columns=variables)
    df['Result'] = [func(*row) for row in combinations]
    
    plt.figure(figsize=(8, 3))
    sns.heatmap(df.replace({False:0, True:1}), annot=True, cmap='YlGnBu', cbar=False)
    plt.title(f'Truth Table for {func.__name__}')
    plt.show()

3. 范式计算的编程实现

主析取范式和主合取范式是命题逻辑的重要概念，我们可以用算法来自动推导：

3.1 主析取范式生成器

def get_minterms(variables, truth_values):
    minterms = []
    for i, row in enumerate(product([False, True], repeat=len(variables))):
        if truth_values[i]:
            term = []