Python中不同类型的数值

简介: 【6月更文挑战第5天】

image.png
在Python中,有多种类型的数值,但最常见的是整数(int)和浮点数(float)。此外,还有一些其他数值类型,如复数(complex)和分数(fractions.Fraction,来自fractions模块),但它们在日常编程中可能不那么常用。

  1. 整数(int)
    整数是没有小数部分的数字。在Python 3中,整数可以是任意大小,并且可以是正数、负数或零。
a = 10
b = -5
c = 0
  1. 浮点数(float)
    浮点数是小数点可以移动的数字。它们用于表示实数,包括小数和指数表示法。
x = 3.14
y = -2.718
z = 1.23e-4  # 这等于 0.000123
  1. 复数(complex)
    复数由实部和虚部组成,其中虚部是实数的倍数,乘以虚数单位j(或J)。
c1 = 3 + 4j
c2 = -2 - 1j
  1. 分数(fractions.Fraction)
    分数来自Python的fractions模块,用于精确表示有理数。这对于需要避免浮点数舍入错误的金融和科学计算特别有用。
from fractions import Fraction
f1 = Fraction(1, 2)  # 表示 1/2
f2 = Fraction(3, 4)  # 表示 3/4
print(f1 + f2)  # 输出 Fraction(5, 4),即 5/4

在大多数Python程序中,你会主要使用整数和浮点数。复数在处理涉及复平面或波的某些问题时很有用,而分数在处理需要精确计算的金融和科学问题时很有用。

目录
相关文章
|
2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。
|
22天前
|
存储 索引 Python
Python散列类型(1)
【10月更文挑战第9天】
|
27天前
|
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。
54 0
|
2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
65 0
|
20天前
|
存储 数据安全/隐私保护 索引
|
27天前
|
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。
50 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
|
27天前
|
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。
56 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
WK
|
22天前
|
存储 Python
Python内置类型名
Python 内置类型包括数字类型(int, float, complex)、序列类型(str, list, tuple, range)、集合类型(set, frozenset)、映射类型(dict)、布尔类型(bool)、二进制类型(bytes, bytearray, memoryview)、其他类型(NoneType, type, 函数类型等),提供了丰富的数据结构和操作,支持高效编程。
WK
11 2
|
2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。
43 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
|
23天前
|
存储 编译器 索引
Python 序列类型(2)
【10月更文挑战第8天】
Python 序列类型(2)