零基础Python教程036期 如何判断偶数?

简介: 零基础Python教程036期 如何判断偶数?

知识回顾:



1、掌握exec函数应用

2、eval函数使用和exec的区别


我们先来回顾一下数学中的字母表示:

N表示自然数,Z表示所有整数,Q表示所有有理数。

我们再来看奇数和偶数。


一、判断奇数、偶数



大于0的自然数中的最小的偶数是2

接下去的偶数的特点2、4、6、8、10…

根据以上数字的规律,我们可以推出结论:所有的偶数都是最小偶数2的整数倍数。


提问:那么,如何判断一个数是否是偶数呢?

解答:

判断偶数:如果某个数除以2,余数为0,那么这个数为偶数,否则就是奇数。


本节实战案例

要求:用户输入一个整数,这是数代表随机(随机数范围1-100之间)产生的整数个数,输出结果为,随机产生的数中有几个数为偶数,这些数分别是什么?

举例:

用户输入10,

系统开始随机产生10个1-100之间的随机整数,

输出结果:共产生5个整数,分别为:2,10,30,36,60


软件程序练习分析思路:

1、用户输入使用input函数

2、需要有循环次数

3、随机生成1-100之间的数字

4、判断是否为整数,计算整数个数,保存这些整数

5、输出结果


那么,如何判断奇数?

其实只要相反的一面就可以了,即num%2!=0  就是奇数的情况


二、总结强调



1、掌握判断一个数的奇偶性

2、掌握随机数的使用

3、掌握循环的使用


本期知识源代码:

from random import randint
#n代表输出的个数
n=input("请输入需要随机产生多少个整数?")
n=int(n)
x=0
count=0 #记录个数
oushu="" #保存产生的偶数
while x<n:
    num=randint(1,100) #随机生成一个数字1-100之间
    #判断生成的num是否为整数
    if num%2==0:
        count+=1
        oushu+=str(num)+","
    x+=1
#输出结果
print("共产生"+str(count)+"个偶数,分别是:"+oushu)
相关文章
|
4天前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
30 8
|
4天前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
22 7
|
4天前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
22 4
|
4天前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
20 5
|
27天前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
25 1
|
27天前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
27 1
|
28天前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
28天前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
26 1
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
27 1
|
1月前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 插值 2
SciPy插值教程:介绍插值概念及其在数值分析中的应用,特别是在处理数据缺失时的插补和平滑数据集。SciPy的`scipy.interpolate`模块提供了强大的插值功能,如一维插值和样条插值。通过`UnivariateSpline()`函数,可以轻松实现单变量插值,示例代码展示了如何对非线性点进行插值计算。
25 3