【Python】【Jupyter】Jupyter 的简单使用 与 Python的基本输出输入

简介: 【Python】【Jupyter】Jupyter 的简单使用 与 Python的基本输出输入

q1.png

上课无聊写着玩的,不必当真。

Jupyter 的简单使用 与 Python的基本输出输入


目录

print("本节课由 余布洛夫斯基 友情授课 | 由 萌狼蓝天 友情上演")
本节课由 余布洛夫斯基 友情授课 | 由 萌狼蓝天 友情上演
  • Jupyter 有两种模式,第一种是命令模式(按下ESC进入命令模式),第二种是编辑模式(按下Enter进入编辑模式)
  • 在命令模式下,按A在当前单元格上方插入一个单元格,按B在当前单元下方插入一个单元格
  • 按下Shift+Enter将会执行当前单元格内容,并且新建一个单元格。
  • 如果你想知道更多快捷键,应该尝试在命令模式下按下 H

数据准备

  • 在命令模式下,按下L可以显示或者隐藏单元格内的行号
  • 在命令模式下,按下Y单元格变成代码块,按下M变成Markdown编辑器,这是我最常用的

(以下数据随便写,无所谓的。)

number=520
price=99.9
result = number * price

输出

print("金额:{:.2f}".format(result))
金额:51948.00
print("金额:"+repr(result)+"元")
金额:51948.0元

输入

str=input('请问你今天要来点兔子吗?')
请问你今天要来点兔子吗?yes

一些练习

num = input("请输入购买数量:")
请输入购买数量:800
  商品编码              图书名称              数量     商品金额
print("———————————————————————————————")
# 表头
print(chr(9615),end="")
print("{:^6s}".format("商品编码"),end="")
print(" | ",end="")
print("{:^17s}".format("图书名称"),end="")
print(" | ",end="")
print("{:^6s}".format("数量"),end="")
print(" | ",end="")
print("{:^7s}".format("商品金额"),end="")
print(chr(9615))
# 分割线
print("———————————————————————————————")
print(chr(9615),end="")
print("{:^10s}".format("0100096543"),end="")
print(" | ",end="")
print("{:^21s}".format("Samll Yellow Book"),end="")
print(" | ",end="")
print("{:^8d}".format(int(num)),end="")
print(" | ",end="")
print("{:^11.2f}".format(9.99),end="")
print(chr(9615))
print("———————————————————————————————")
———————————————————————————————
▏ 商品编码  |       图书名称        |   数量   |  商品金额  ▏
———————————————————————————————
▏0100096543 |   Samll Yellow Book   |   800    |    9.99    ▏
———————————————————————————————

(说实话)我认为上面的输入真是糟糕的、麻烦的输出方式

print("———————————————————————————————————————")
# 表头
print(chr(9615),end="")
print(" {}\t".format("商品编码"),end="")
print(" | ",end="")
print(" {}\t\t".format("图书名称"),end="")
print(" | ",end="")
print(" {}\t".format("数量"),end="")
print(" | ",end="")
print(" {}\t ".format("商品金额"),end="")
print(chr(9615))
# 分割线
print("———————————————————————————————————————")
print(chr(9615),end="")
print(" {}\t".format("0100096543"),end="")
print(" | ",end="")
print(" {}\t".format("Samll Yellow Book"),end="")
print(" | ",end="")
print("{:^d}\t\t".format(int(num)),end="")
print(" | ",end="")
print("{:^.2f}\t\t".format(9.9),end="")
print(chr(9615))
print("———————————————————————————————————————")
———————————————————————————————————————
▏ 商品编码   |  图书名称     |  数量   |  商品金额   ▏
———————————————————————————————————————
▏ 0100096543   |  Samll Yellow Book  | 800     | 9.90   ▏
———————————————————————————————————————
相关文章
|
6月前
|
并行计算 算法框架/工具 iOS开发
在RTX3050上安装python3.9、anaconda、pycharm、cuda11.6、cudnn、jupyter等工具的详细步骤和方法
在RTX3050上安装python3.9、anaconda、pycharm、cuda11.6、cudnn、jupyter等工具的详细步骤和方法
194 3
|
6月前
|
机器学习/深度学习 人工智能 数据挖掘
【Python数据挖掘】数据挖掘简介及Jupyter notebook操作介绍(图文解释 超详细)
【Python数据挖掘】数据挖掘简介及Jupyter notebook操作介绍(图文解释 超详细)
124 0
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
【10月更文挑战第4天】「Mac上学Python 5」入门篇5 - Jupyter 环境配置与高效使用技巧
本篇将介绍如何在Mac系统上安装和配置Jupyter,并详细介绍Jupyter Notebook的一些常用“神奇函数”。Jupyter是一个支持交互式计算的工具,广泛用于数据分析、机器学习等领域,通过学习本篇,用户将能够在Python项目中高效使用Jupyter Notebook。
64 3
【10月更文挑战第4天】「Mac上学Python 5」入门篇5 - Jupyter 环境配置与高效使用技巧
|
2月前
|
Python
Python的编辑工具-Jupyter notebook实战案例
这篇博客介绍了Jupyter Notebook的安装和使用方法,包括如何在本地安装Jupyter、启动和使用Jupyter Notebook进行编程、文档编写和数据分析,以及如何执行和管理代码单元(Cell)的快捷键操作。
48 4
Python的编辑工具-Jupyter notebook实战案例
|
3月前
|
数据采集 数据可视化 数据挖掘
利用 Jupyter 实现自动化报告生成 展示如何结合 Jupyter 和 Python 库
【8月更文第29天】为了创建自动化报告,我们可以利用 Jupyter Notebook 结合 Python 的强大库如 Pandas、Matplotlib 和 Seaborn 来处理数据、制作图表,并使用 Jinja2 模板引擎来生成 HTML 报告。这种方式非常适合需要定期生成相同类型报告的情况,比如数据分析、业务报表等。
129 1
|
3月前
|
算法 数据可视化 定位技术
QGIS+Conda+jupyter玩转Python GIS
QGIS+Conda+jupyter玩转Python GIS
|
3月前
|
存储 数据可视化 前端开发
7个Pandas&Jupyter特殊技巧,让Python数据分析更轻松
7个Pandas&Jupyter特殊技巧,让Python数据分析更轻松
|
3月前
|
存储 数据可视化 数据挖掘
Python 3 中使用 pandas 和 Jupyter Notebook 进行数据分析和可视化
Python 3 中使用 pandas 和 Jupyter Notebook 进行数据分析和可视化
53 0
|
5月前
|
Python 数据挖掘 数据可视化
Python数据分析——Pandas与Jupyter Notebook
【6月更文挑战第1天】 本文探讨了如何使用Python的Pandas库和Jupyter Notebook进行数据分析。首先,介绍了安装和设置步骤,然后展示了如何使用Pandas的DataFrame进行数据加载、清洗和基本分析。接着,通过Jupyter Notebook的交互式环境,演示了数据分析和可视化,包括直方图的创建。文章还涉及数据清洗,如处理缺失值,并展示了如何进行高级数据分析,如数据分组和聚合。此外,还提供了将分析结果导出到文件的方法。通过销售数据的完整案例,详细说明了从加载数据到可视化和结果导出的全过程。最后,讨论了进一步的分析和可视化技巧,如销售额趋势、产品销售排名和区域分布,以及
191 2
|
5月前
|
数据可视化 开发工具 数据安全/隐私保护
python小知识-jupyter lab
Jupyter Lab 是一个基于网页的交互式开发环境,它支持 Jupyter Notebook、文本编辑器、终端、数据可视化以及其他自定义组件。它提供了一个灵活的用户界面,允许用户创建和共享包含实时代码、方程、可视化以及解释性文本的文档。【6月更文挑战第2天】
106 0