Python运算符学习应用案例详解

简介: Python运算符包括算术、比较、逻辑、位、赋值、成员和身份运算符。算术运算符如+、-、*、/、%和**;比较运算符如==、!=、>、<等;逻辑运算符有and、or和not;位运算符涉及按位与、或、异或及移位;赋值运算符如=、+=等;成员运算符in和not in检查元素是否在序列中;身份运算符is和is not判断对象引用。示例代码展示了这些运算符的用法。

Python运算符是用于执行特定操作的符号,例如加法、减法、乘法、除法等。在Python中,可以使用以下运算符:

  1. 算术运算符:+(加法)、-(减法)、(乘法)、/(除法)、%(取模)、*(幂运算)、//(整除)

  2. 比较运算符:==(等于)、!=(不等于)、>(大于)、<(小于)、>=(大于等于)、<=(小于等于)

  3. 逻辑运算符:and(与)、or(或)、not(非)

  4. 位运算符:&(按位与)、|(按位或)、^(按位异或)、~(按位取反)、<<(左移)、>>(右移)

  5. 赋值运算符:=(赋值)、+=(加法赋值)、-=(减法赋值)、=(乘法赋值)、/=(除法赋值)、%=(取模赋值)、*=(幂运算赋值)、//=(整除赋值)、&=(按位与赋值)、|=(按位或赋值)、^=(按位异或赋值)、<<=(左移赋值)、>>=(右移赋值)

  6. 成员运算符:in(判断元素是否在序列中)、not in(判断元素是否不在序列中)

  7. 身份运算符:is(判断两个变量是否引用同一个对象)、is not(判断两个变量是否不引用同一个对象)

下面是一些应用案例:

  1. 算术运算符:
a = 10
b = 5
print(a + b)  # 输出:15
print(a - b)  # 输出:5
print(a * b)  # 输出:50
print(a / b)  # 输出:2.0
print(a % b)  # 输出:0
print(a ** b)  # 输出:100000
print(a // b)  # 输出:2
  1. 比较运算符:
a = 10
b = 5
print(a == b)  # 输出:False
print(a != b)  # 输出:True
print(a > b)   # 输出:True
print(a < b)   # 输出:False
print(a >= b)  # 输出:True
print(a <= b)  # 输出:False
  1. 逻辑运算符:
a = True
b = False
print(a and b)  # 输出:False
print(a or b)   # 输出:True
print(not a)    # 输出:False
  1. 位运算符:
a = 10  # 二进制表示:1010
b = 5   # 二进制表示:0101
print(a & b)  # 输出:0(二进制表示:0000)
print(a | b)  # 输出:15(二进制表示:1111)
print(a ^ b)  # 输出:15(二进制表示:1111)
print(~a)    # 输出:-11(二进制表示:1101)
print(a << 1) # 输出:20(二进制表示:10100)
print(a >> 1) # 输出:5(二进制表示:0101)
  1. 赋值运算符:
a = 10
a += 5  # a = a + 5
print(a)  # 输出:15
a -= 3  # a = a - 3
print(a)  # 输出:12
a *= 2  # a = a * 2
print(a)  # 输出:24
a /= 4  # a = a / 4
print(a)  # 输出:6.0
a %= 3  # a = a % 3
print(a)  # 输出:0
a **= 2  # a = a ** 2
print(a)  # 输出:0
a //= 2  # a = a // 2
print(a)  # 输出:0
  1. 成员运算符:
a = "hello"
print("e" in a)  # 输出:True
print("z" not in a)  # 输出:True
  1. 身份运算符:
a = [1, 2, 3]
b = [1, 2, 3]
c = a
print(a is b)  # 输出:False
print(a is c)  # 输出:True
print(a == b)  # 输出:True
print(a != c)  # 输出:False
相关文章
|
9月前
|
存储 JavaScript Java
(Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
dict字典 Python内置了字典:dict的支持,dict全称dictionary,在其他语言中也称为map,使用键-值(key-value)存储,具有极快的查找速度。 我们可以通过声明JS对象一样的方式声明dict
498 2
|
9月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
717 1
|
9月前
|
算法 Java Docker
(Python基础)新时代语言!一起学习Python吧!(三):IF条件判断和match匹配;Python中的循环:for...in、while循环;循环操作关键字;Python函数使用方法
IF 条件判断 使用if语句,对条件进行判断 true则执行代码块缩进语句 false则不执行代码块缩进语句,如果有else 或 elif 则进入相应的规则中执行
1607 1
|
9月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
528 3
|
9月前
|
存储 Java 索引
(Python基础)新时代语言!一起学习Python吧!(二):字符编码由来;Python字符串、字符串格式化;list集合和tuple元组区别
字符编码 我们要清楚,计算机最开始的表达都是由二进制而来 我们要想通过二进制来表示我们熟知的字符看看以下的变化 例如: 1 的二进制编码为 0000 0001 我们通过A这个字符,让其在计算机内部存储(现如今,A 字符在地址通常表示为65) 现在拿A举例: 在计算机内部 A字符,它本身表示为 65这个数,在计算机底层会转为二进制码 也意味着A字符在底层表示为 1000001 通过这样的字符表示进行转换,逐步发展为拥有127个字符的编码存储到计算机中,这个编码表也被称为ASCII编码。 但随时代变迁,ASCII编码逐渐暴露短板,全球有上百种语言,光是ASCII编码并不能够满足需求
373 4
|
测试技术 Python
Python中的装饰器应用与实践
在Python编程中,装饰器是一种强大的工具,能够优雅地扩展和修改函数或方法的行为。本文将深入探讨Python中装饰器的作用、原理以及实际应用场景,帮助读者更好地理解并运用装饰器提升代码的可维护性和灵活性。
|
数据采集 数据可视化 大数据
Python在大数据处理中的应用实践
Python在大数据处理中扮演重要角色,借助`requests`和`BeautifulSoup`抓取数据,`pandas`进行清洗预处理,面对大规模数据时,`Dask`提供分布式处理能力,而`matplotlib`和`seaborn`则助力数据可视化。通过这些工具,数据工程师和科学家能高效地管理、分析和展示海量数据。
821 4
|
设计模式 开发者 Python
Python编程中的设计模式应用与实践感悟####
本文作为一篇技术性文章,旨在深入探讨Python编程中设计模式的应用价值与实践心得。在快速迭代的软件开发领域,设计模式如同导航灯塔,指引开发者构建高效、可维护的软件架构。本文将通过具体案例,展现设计模式如何在实际项目中解决复杂问题,提升代码质量,并分享个人在实践过程中的体会与感悟。 ####
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。

推荐镜像

更多