计算跑步时的能量消耗(卡路里和千焦的换算公式)
计算 公式 换算 跑步
2023-09-11 14:17:48 时间
我们都知道,想要减肥,消耗的热量需要达到一定的峰值,这样才能更有效的减肥。而跑步作为常见的有氧运动,其消耗热量的效果也是非常可观的。下面我们就来介绍一下跑步消耗的热量计算的方法,对此不太了解的朋友可以通过下文来学习一下。
跑步消耗的热量计算方法:
简易公式一:跑步热量(kcal)=体重(kg)×距离(公里)×1.036
如果一个70kg的成年人跑5公里,所消耗的热量大约为362.6千卡。
简易公式二:跑步热量(kcal)=体重(kg)×运动时间(分钟)×指数K
指数K=30 ÷ 速度(分钟/400米)
一小时8公里 K=0.1355,一小时12公里 K=0.1797,一小时15公里 K=0.1875。
同样是70kg的成年人,以每小时12公里的速度跑步半小时,所消耗的热量大约为377.37千卡。另外需要注意的是,每小时12公里,这个速度现已经很快了,一般每小时10公里的配速约等于5:30,这已经是一个初级跑者的入门级速度了。当然公式计算仅仅是粗略的计算方法,具体跑步可以消耗多少热量还需要考虑体重、距离,具体可以消耗多少,还需要考虑到运动者的自身年龄等等客观因素。
卡路里和千焦的换算公式是:
1 千焦(kJ) = 0.239 千卡(kcal)
1 千卡(kcal)= 4.184 千焦(kJ)
按国际单位,能量应当用焦耳来表示。1焦耳=4.182卡,则1千卡=4.182千焦耳。千焦、焦耳,和卡路里、千卡及大卡都是热量单位。国际上,运动和营养学界一般通过卡路里来计算食物和运动能量。国内食物营养表一般以千焦作为热量单位。
通过python代码运算,模拟自动计算消耗能量的跑步机:
import time
import sys
leave=0
print ("==========模拟跑步机=========")
print (30 *"#")
weight=float(input("输入您的体重(kg):")) # 输入的体重可以是浮点数
speed=float(input("速度(千米/小时):")) # 输入的速度可以是浮点数
times=int(input("跑步时间(分钟):")) # 输入的跑步时间是整数,为分钟
times=times*60 # 将分钟转换为秒
while leave<times : # 将分钟转换为秒
leave+=1
min, sec = divmod(times-leave,60) # 将秒转换为分钟和秒
leave_time=str(min)+'分'+str(sec)+'秒'
dista=leave/3600 * speed # 计算跑步距离
calor =weight * 30 / (400 / (speed * 1000 / 60)) * leave / 60 / 60 # 计算热量
sys.stdout.write('\r\n')
sys.stdout.write('剩余时间:{} 跑步距离:{:.2f}千米 消耗热量:{:.2f} 千卡'.format(leave_time,dista,calor))
sys.stdout.flush
time.sleep(1)
相关文章
- Python函数之计算规则图形的面积
- java实现第六届蓝桥杯表格计算
- python pandas 计算相关系数
- 计算缓存大小和清除缓存
- 以云计算与大数据为代表的信息技术是电力行业未来发展核心
- LeetCode-780. 到达终点【反向计算,辗转相除法】
- Open3D (C++) 计算点云的均值与标准差
- Paper之ACMCH&UIST&ICUC&IJHC:2009年~2019年人机交互技术(计算系统人为因素会议&用户界面软件&计算国际会议&国际人类计算机研究&人机交互的交易)历年最佳论文简介及其解读
- 【MATLB数值】—数值计算
- 千亿云计算产业加速跑 多云管理助推上云率
- 基于lio-sam框架,教你如何进行回环检测及位姿计算
- 习题4.5 在键盘上输入数n,编程计算sum=1-1/2!+1/3!-...(-1)n-1(1/n!)。
- Vue学习之--------计算属性(2022/7/9)
- 【数字信号处理】线性时不变系统 LTI “ 输入 “ 与 “ 输出 “ 之间的关系 ( 线性卷积计算方法列举 | 线性卷积计算案例一 | 根据 线性卷积 定义直接计算 卷积 )
- Wilcoxon 显著性计算 r wilcox.test stat_compare_means,unpaired Student’s significance p值
- 计算某个日期是星期几
- 深入浅出matplotlib(83): 两个信号相干性计算的可视化
- 【深度学习】——深度学习中的梯度计算