python(9)-变量、input函数

变量、input函数

  • 1.变量的定义(不可变对象)
  • 2.变量的类型
  • 3.变量的命名规范
  • 4. 不同类型的数据计算
  • 5.类型转换函数
  • 6.input()
  • 7.Tips

程序是用来处理数据的,而变量是用来存储数据的。

关于函数,是一个提前准备好的代码;可以直接使用,不用关心内部细节。

1.变量的定义(不可变对象)

(1)给一个变量名赋值,就是定义了一个变量。(变量使用前都要赋值)。

变量名=值

(2)可以通过数值计算表达式定义变量。

num1=2
num2=3
num3=num1*num4

(3)python 中的变量是一个不可变对象。
变量的值发生变化,Python会自动申请另一块内存,变量名只是内存地址的引用。缺点:减少重复的值对内存空间的占用(值再改回去变量名会指向原来的地址,通过代码验证了,作用机制不懂啊)优点:每次修改变量的值,都需要重新开辟内存单元;给执行效率带来一定的影响。

>>> x = 2
>>> id(x)		# 查看x的内存地址
4474680480
>>> x = 3
>>> id(x)
4474680512
>>> x=2
>>> id(x)
4474680480      # 真的指回去了,作用机制不懂啊
>>>

2.变量的类型

Python定义变量时不需要指定数据类型,解释器会依据等号右边的数据自动推导出变量中保存的类型
不同的数据要使用不同的数据类型,常用的数据类型:
数值型: 整型(int),浮点型(flat),布尔型(非零即是),复数型(complex,用于数学计算)
非数值型: 序列(列表,字符串,元组,Unicode字符串,字节数组,缓冲区,Xrange对象),映射(字典)

python2.0的整数据类型,int :整型,long:长整形;Python3.0中将原有的长整型统一定义为int

type可以查看数据的类型

>>> type(x)
<class 'int'>
>>> a = "a"
>>> type(a)
<class 'str'>
>>> b = [1]
>>> type(b)
<class 'list'>
>>>

Pycharm 调试时能够从变量窗口查看变量类型
在这里插入图片描述

3.变量的命名规范

标示符:程序员定义的变量名、函数名。命名字要见名知义,由字母数字下划线组成,数字不能开头。
关键字:python内部已经使用的标识符,用户定义的标识符不能和关键字相同。一下命令可用于查Python关键字

import keyword
print(keyword.kwlist)
在这里插入图片描述

注意事项
1.Python 标识符区分大小写
2.变量命由多个单词组成时,每个单词都使用小写字母,单词与单词之间用下划线连接。
3.其他语言中会有其他命名方法
(小驼峰:第一个单词以小写字母开头,后面的单词以大写字母开头)
(大驼峰:所有单词均以大写字母开头)

4. 不同类型的数据计算

数值型类型可以进行同类型的加减乘除计算;
字符串变量之间的计算:加号和乘号的重载
字符串的拼接,直接使用加号即可;字符串只能加字符串,不能加数字;
在这里插入图片描述

5.类型转换函数

int(x):可以将变量x转换成整形
float(x):可以将变量x转换成浮点型

a=‘123’
b=int(a) #a本身类型不变,b的类型为int型

6.input()

变量名=input(‘提示输入的内容’)

python2.x版本的input函数是自动识别数据类型类型,raw_input函数是字符串输入。
python3.x版本的只剩下input函数可用了,而且类型是字符串。

7.Tips

1.只想显示当前文件,在显示窗口的上端,右键文件名,关掉其他的窗口(CLose other)

2.ipython输出如果用一个变量来接受,就不会输出在屏幕中。

3.ubuntu截屏的快捷命令,命令运行后用鼠标框选合适的截屏区域。能够选择截取区域,需要的时候,比快捷键截全屏方便。

gnome-screenshot -a

4.Pycham调试扩展
图标:三角后带小尾巴,继续执行所有代码,
图标:红色小方块,不执行后续代码
如果之前的调试没有结束,再次按调试按钮,都会新创建一个环境。没有必要,会耗费内存空间。

(后续还有关于变量的进阶)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/445328.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

推荐算法--总结(08)

一、推荐系统结构二、推荐引擎算法&#xff08;Algorithm&#xff09;1、协同过滤推荐算法1.1 关系矩阵与矩阵计算1.1.1 用户与用户&#xff08;U-U矩阵&#xff09;1.1.2 物品与物品&#xff08;V-V矩阵&#xff09;1.1.3 用户与物品&#xff08;U-V矩阵&#xff09;1.1.4 奇异…

算法总结-1算法入门

1.0 前言 算法&#xff08;Algorithm&#xff09;是指解题方案的准确而完整的描述&#xff0c;是一系列解决问题的清晰指令&#xff0c;算法代表着用系统的方法描述解决问题的策略机制。也就是说&#xff0c;能够对一定规范的输入&#xff0c;在有限时间内获得所要求的输出。 …

FM系列算法解读(FM+FFM+DeepFM)

在计算广告中&#xff0c;CTR是非常重要的一环。对于特征组合来说&#xff0c;业界通用的做法主要有两大类&#xff1a;FM系列和Tree系列。这里我们来介绍一下FM系列。   在传统的线性模型中&#xff0c;每个特征都是独立的&#xff0c;如果需要考虑特征与特征之间的相互作用…

二叉树层序遍历

层序遍历序列为&#xff1a;ABCDEFG 思路&#xff1a;栈是先进后出的数据结构&#xff0c;而队列是先进先出的数据结构。 我们层序遍历&#xff0c;很明显&#xff0c;先遇到的节点先打印&#xff0c;不同于前中后序遍历&#xff0c;我们采用队列结构。 具体执行过程如下&…

深度学习(01)-- 基础学习

文章目录目录1. 深度学习基础1.1 深度学习总览1.2 深度网络训练过程1.2.1 传统神经网络的训练方法为什么不能用在深度神经网络1.2.2 deep learning训练过程1.3 数学知识&#xff1a;2. 九种深度学习模型2.1 受限玻尔兹曼机RBM2.2 自编码器AE&#xff08;降维&#xff09;2.3 深…

MachineLearning(1)-激活函数sigmoid、损失函数MSE、CrossEntropyLoss

损失函数1.激活函数2.损失函数2.1均方误差损失函数2.2交叉熵损失函数2.3 NLLLoss()2.4 BCELoss()1.激活函数 全连接网络又叫多层感知器&#xff0c;多层感知器的基本单元神经元是模仿人类神经元兴奋与抑制机制&#xff0c;对其输入进行加权求和&#xff0c;若超过某一阈值则该…

Java的IO总结

非流式文件类--File类 从定义看&#xff0c;File类是Object的直接子类&#xff0c;同时它继承了Comparable接口可以进行数组的排序。 File类的操作包括文件的创建、删除、重命名、得到路径、创建时间等&#xff0c;以下是文件操作常用的函数。 File类是对文件系统中文件以及文…

深度学习(02)-- ANN学习

文章目录目录1.神经网络知识概览1.1深度学习顶会1.2相关比赛1.3神经网络知识概览1.4神经网络编程一般实现过程2.简单神经网络ANN2.1 数据集&#xff1a;2.2 网络结构&#xff1a;2.3 代码实现2.3.1 读取数据&#xff0c;并做处理2.3.2 构建网络结构2.3.3 训练网络目录 1.神经网…

python(11)-if语句,断言assert

分支语句if1.if基本语法2 if语句的嵌套3 比较运算符号4 逻辑运算符&#xff1a;5 整数随机数初应用6 tip7.断言assert1.if基本语法 if语句开发中的应用场景&#xff1a;如果条件成立做一件事情&#xff0c;如果条件不成立做另外一件事情。有了if语句&#xff0c;程序有了分支.…

深度学习(03)-- CNN学习

文章目录目录1.CNN学习2.Keras深度学习框架目录 1.CNN学习 卷积神经网络CNN总结 从神经网络到卷积神经网络&#xff08;CNN&#xff09;我们知道神经网络的结构是这样的&#xff1a; 那卷积神经网络跟它是什么关系呢&#xff1f;其实卷积神经网络依旧是层级网络&#xff0c;…

PaperNotes(1)-Modeling the World from Internet Photo Collections

从网络图片集对世界进行建模AbstractIntroduction2 Previous Work2.1特征匹配2.2 稀疏重建2.3 基于图像建模2.4 基于图像的渲染2.5 图像浏览&#xff0c;检索和注释3 Overview概述4 Reconstructing Cameras and Sparse Geometry&#xff08;相机标定与稀疏重建&#xff09;4.1K…

深度学习(04)-- 典型CNN结构(LeNet5 ,AlexNet)

LeNet5 LeNet5可以说是最早的卷积神经网络了&#xff0c;它发表于1998年&#xff0c;论文原文Gradient-Based Learning Applied to Doucment Recognition作者是Yann Le Cun等。下面对LeNet5网络架构进行简单的说明&#xff0c;有兴趣的同学可以去参考原文&#xff0c;论文原文…

CNN的几种经典模型

本文主要介绍一下CNN的几种经典模型比较。之前自己也用过AlexNet和GoogleNet&#xff0c;网络上关于各种模型的介绍更是形形色色&#xff0c;自己就想着整理一下&#xff0c;以备自己以后查阅方便 LeNet5 先放一张图&#xff0c;我感觉凡是对深度学习有涉猎的人&#xff0c;对…

PaperNotes(2)-Generative Adversarial Net-代码实现资料

Generative Adversarial Nets-生成对抗网络Abstract1.Introduction2.Related work3.Adversarial nets4.Theoretical Results4.1全局最优 pgpdatap_gp_{data}pg​pdata​4.2算法1的收敛性质5.Experiments6.Advantagesa and disadvantages7.Conclusions and future work8.GAN-代码…

深度学习(05)--典型CNN结构(VGG13,16,19)

文章目录目录1.VGG结构2.VGG结构解释3.3*3卷积核的优点4.VGG的muti-scale方法5.VGG的应用目录 1.VGG结构  LeNet5用大的卷积核来获取图像的相似特征  AlexNet用99、1111的滤波器  VGG 巨大的进展是通过依次采用多个 33 卷积&#xff0c;模仿出更大的感受野&#xff08;r…

redis——发布和订阅

频道的订阅和退订 当一个客户端执行 SUBSCRIBE 命令&#xff0c; 订阅某个或某些频道的时候&#xff0c; 这个客户端与被订阅频道之间就建立起了一种订阅关系。 Redis 将所有频道的订阅关系都保存在服务器状态的 pubsub_channels 字典里面&#xff0c; 这个字典的键是某个被订…

redis——事务

Redis 事务可以一次执行多个命令&#xff0c; 并且带有以下三个重要的保证&#xff1a; 批量操作在发送 EXEC 命令前被放入队列缓存。收到 EXEC 命令后进入事务执行&#xff0c;事务中任意命令执行失败&#xff0c;其余的命令依然被执行。在事务执行过程&#xff0c;其他客户端…

深度学习(06)-- Network in Network(NIN)

文章目录目录1.NIN 结构2.MLP卷积3.全局均值池化4.总体网络架构5.NIN补充5.1 广义线性模型&#xff08;GLM&#xff09;的局限性5.2 CCCP层5.3 1*1卷积核作用&#xff08;补充&#xff09;6.手势识别RGB图像--NIN结构目录 1.NIN 结构 2.MLP卷积 传统CNN的局部感受野窗口的运算…

Pytorch(2)-tensor常用操作

tensor常用数学操作1. 随机数1.1 torch.rand() - 均匀分布数字1.2 torch.randn() - 正态分布数字2. 求和2.1 torch.sum(data, dim)2.2 numpy.sum(data, axis)3. 求积3.1 点乘--对应位置相乘3.2 矩阵乘法4. 均值、方差4.1 torch tensor.mean() .std()4.2 numpy array.mean() .st…

深度学习(07)-- 经典CNN网络结构(Inception (v1-v4))

文章目录目录1.Inception介绍1.1 Inception结构1.2 Inception V1(GoogleNet)1.3 Inception V2(Batch Norm)1.4 Inception V3&#xff08;Factorization&#xff09;1.5 Inception V4&#xff08;ResNet&#xff09;1.5 Inception v1~v4 总结1.6 Inception进阶2.Inception实现目…