[深度学习入门]Python基础语法(下)

简介: 笔记

数字类型的操作


一、内置的数值运算操作符

  三种类型存在一种逐渐“扩展”的关系,整数->浮点数->复数(整数是浮点数特例,浮点数是复数特例)。不同数字类型之间可以进行混合运算,运算后生成结果为最宽类型。如123+4.0=127.0(整数+浮点数=浮点数

40.png

数字类型之间相互运算所生成的结果是“更宽”的类型,基本规则是:

 (1)整数之间运算,如果数学意义上的结果是小数,结果是浮点数

 (2)整数之间运算,如果数学意义上的结果是整数,结果是整数

 (3)整数和浮点数混合运算,输出结果是浮点数

 (4)整数或浮点数与复数运算,输出结果是复数


二、内置的数值运算函数

 Python解释器提供了一些内置函数,在这些内置函数之中,有6个函数与数值运算相关。

1.png


三、数字类型的转换

 数值运算操作符可以隐式地转换输出结果的数字类型。例如,两个整数采用运算符“/”的除法将可能输出浮点数结果。此外,通过内置的数字类型转换函数可以显示地在数字类型之间进行转换。

2.png

 三种类型可以相互转换

 函数:int(),float(),complex()

 示例:int(4.5)=4(直接去掉小数部分),float(4)=4.0(增加小数部分),complex(4)=4+0J

 示例:complex(4.5)=4.5+0J

3.png



四、数字类型的判断

 函数:type(x),返回x的类型,适用于所有类型的判断。


type(4.5)
<class 'float'>
type(z)
<class 'complex'>

4.png

五、math库概述

 math库是Python提供的内置数学函数库。math库不支持复数类型。math库一共提供了4个数学常数和44个函数。(44个函数共分为4类,包括:16个数值表示函数、8个幂对数函数、16个三角对数函数和4个高等特殊函数)

 首先使用保留字import引用该库

 第一种:

import math

 对math库中函数采用math.()形式使用

import math
math.ceil(10.2)
11

5.png

 第二种

from math import<函数名>

 对math库中函数可以直接采用<函数名>()形式使用。


from math import floor
floor(10.2)
10

6.png


六、math库解析


 math库包含16个数值表示函数。

7.png

 math库包括6个“三角双曲函数”。

8.png


七、字符串类型及其操作

 字符串类型

 字符串是双引号“”或者单引号’’括起来的一个或多个字符。字符串可以保存在变量中,也可以单独存在。可以用type()函数测试一个字符串的类型。

 单个索引辅助访问字符串中的特定位置,格式为


<string>[<索引>]

9.png

greet='Hello John"
print(greet[2])
1
x=8
print(greet[x-2]

字符串之间可以通过+或 * 进行连接。

 加法操作(+)将两个字符串连接成为一个新的字符串,乘法操作(*)生成一个由其本身字符串重复连接而成的字符串。

10.png



相关文章
|
5天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
5天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品市场预测的深度学习模型
使用Python实现智能食品市场预测的深度学习模型
30 5
|
5天前
|
机器学习/深度学习 数据挖掘 Python
Python编程入门——从零开始构建你的第一个程序
【10月更文挑战第39天】本文将带你走进Python的世界,通过简单易懂的语言和实际的代码示例,让你快速掌握Python的基础语法。无论你是编程新手还是想学习新语言的老手,这篇文章都能为你提供有价值的信息。我们将从变量、数据类型、控制结构等基本概念入手,逐步过渡到函数、模块等高级特性,最后通过一个综合示例来巩固所学知识。让我们一起开启Python编程之旅吧!
|
5天前
|
存储 Python
Python编程入门:打造你的第一个程序
【10月更文挑战第39天】在数字时代的浪潮中,掌握编程技能如同掌握了一门新时代的语言。本文将引导你步入Python编程的奇妙世界,从零基础出发,一步步构建你的第一个程序。我们将探索编程的基本概念,通过简单示例理解变量、数据类型和控制结构,最终实现一个简单的猜数字游戏。这不仅是一段代码的旅程,更是逻辑思维和问题解决能力的锻炼之旅。准备好了吗?让我们开始吧!
|
4天前
|
设计模式 缓存 开发框架
Python中的装饰器:从入门到实践####
本文深入探讨了Python中装饰器的工作原理与应用,通过具体案例展示了如何利用装饰器增强函数功能、提高代码复用性和可读性。读者将学习到装饰器的基本概念、实现方法及其在实际项目开发中的实用技巧。 ####
17 3
|
5天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
21 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
5天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
25 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
8天前
|
机器学习/深度学习 人工智能 测试技术
深度学习在图像识别中的应用与挑战
本文探讨了深度学习技术,尤其是卷积神经网络(CNN)在图像识别任务中的最新进展和面临的主要挑战。通过分析不同的网络架构、训练技巧以及优化策略,文章旨在提供一个全面的概览,帮助研究人员和实践者更好地理解和应用这些技术。
37 9
|
4天前
|
机器学习/深度学习 人工智能 算法
深度学习在图像识别中的应用与挑战
本文探讨了深度学习技术在图像识别领域的应用,重点分析了卷积神经网络(CNN)的工作原理及其在处理图像数据方面的优势。通过案例研究,展示了深度学习如何提高图像识别的准确性和效率。同时,文章也讨论了当前面临的主要挑战,包括数据不足、过拟合问题以及计算资源的需求,并提出了相应的解决策略。
|
5天前
|
机器学习/深度学习 分布式计算 并行计算
深度学习在图像识别中的应用与挑战
本文深入探讨了深度学习技术在图像识别领域的应用,分析了当前主流的卷积神经网络(CNN)架构,并讨论了在实际应用中遇到的挑战和可能的解决方案。通过对比研究,揭示了不同网络结构对识别准确率的影响,并提出了优化策略。此外,文章还探讨了深度学习模型在处理大规模数据集时的性能瓶颈,以及如何通过硬件加速和算法改进来提升效率。