【Python零基础入门篇 · 3】:掌握数值类型、进制的转换

简介: 【Python零基础入门篇 · 3】:掌握数值类型、进制的转换


数值类型


名称 中文名称 作用 举例
int 整型 整数 1, 2, 3, 4, …
float 浮点型 小数 1.1, 1.2, 1.23, …
bool 布尔型 逻辑值 True(1), False(0)




整数类型


整数(integer,简写为int),可以表示正数、负数和零


数的不同进制表示方式

image.png


浮点类型


浮点数由整数部分和小数部分组成,浮点数的存储具有不精确性。


使用浮点数进行计算时,可能会有出现小数位数不确定的情况

2ef41661c305455093a92a53f8168c35.png


解决方法:导入模块 from decimal import Decimal

cafacde9ca0e4d0287ae2fa4b9c6cd31.png


布尔类型

用来表示真或假的值,True表示真,False表示假,布尔值可转化为整数:True表示1,False表示0


235fccd125004483ae08675f2ec7e1d4.png


进制的转换


进制间的转换规则


十进制转换二、八、十六进制图解



389201cd4ca2415cab4e4843367ded49.png


进制转换的函数


函数 作用
bin() 将十进制转换成二进制
oct() 将十进制转换成八进制
hex() 将十进制转换成十六进制



代码演示


34f61ed7f2bc411fb953044ee1fddc4c.png


相关文章
|
4月前
|
Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
4月前
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
131 1
|
3月前
|
存储 索引 Python
Python散列类型(1)
【10月更文挑战第9天】
|
3月前
|
计算机视觉 Python
Python实用记录(一):如何将不同类型视频按关键帧提取并保存图片,实现图片裁剪功能
这篇文章介绍了如何使用Python和OpenCV库从不同格式的视频文件中按关键帧提取图片,并展示了图片裁剪的方法。
120 0
|
1月前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
87 8
|
2月前
|
Python
在 Python 中实现各种类型的循环判断
在 Python 中实现各种类型的循环判断
45 2
|
3月前
|
存储 数据安全/隐私保护 索引
|
3月前
|
Python
【10月更文挑战第6天】「Mac上学Python 11」基础篇5 - 字符串类型详解
本篇将详细介绍Python中的字符串类型及其常见操作,包括字符串的定义、转义字符的使用、字符串的连接与格式化、字符串的重复和切片、不可变性、编码与解码以及常用内置方法等。通过本篇学习,用户将掌握字符串的操作技巧,并能灵活处理文本数据。
67 1
【10月更文挑战第6天】「Mac上学Python 11」基础篇5 - 字符串类型详解
|
3月前
|
Python
【10月更文挑战第6天】「Mac上学Python 10」基础篇4 - 布尔类型详解
本篇将详细介绍Python中的布尔类型及其应用,包括布尔值、逻辑运算、关系运算符以及零值的概念。布尔类型是Python中的一种基本数据类型,广泛应用于条件判断和逻辑运算中,通过本篇的学习,用户将掌握如何使用布尔类型进行逻辑操作和条件判断。
74 1
【10月更文挑战第6天】「Mac上学Python 10」基础篇4 - 布尔类型详解
|
4月前
|
机器学习/深度学习 算法 数据可视化
8种数值变量的特征工程技术:利用Sklearn、Numpy和Python将数值转化为预测模型的有效特征
特征工程是机器学习流程中的关键步骤,通过将原始数据转换为更具意义的特征,增强模型对数据关系的理解能力。本文重点介绍处理数值变量的高级特征工程技术,包括归一化、多项式特征、FunctionTransformer、KBinsDiscretizer、对数变换、PowerTransformer、QuantileTransformer和PCA,旨在提升模型性能。这些技术能够揭示数据中的潜在模式、优化变量表示,并应对数据分布和内在特性带来的挑战,从而提高模型的稳健性和泛化能力。每种技术都有其独特优势,适用于不同类型的数据和问题。通过实验和验证选择最适合的变换方法至关重要。
78 5
8种数值变量的特征工程技术:利用Sklearn、Numpy和Python将数值转化为预测模型的有效特征

热门文章

最新文章