python之数值计算、math库、随机数

简介: python之数值计算、math库、随机数

一、内置数值操作

二、math库函数

三、代码演示

import math
 
if __name__ == '__main__':
    # 7
    print(3+4)
    # 7.0
    print(3.0+4.0)
    # -1
    print(3-4)
    # -1.0
    print(3.0-4.0)
    # 64 4的3次方
    print(4**3)
    # 64.0
    print(4.0**3.0)
    # 5 绝对值
    print(abs(5))
    # 3.5
    print(abs(-3.5))
    # 3.33333 除
    print(10/3)
    # 3.33333
    print(10.0/3.0)
    # 3 整除
    print(10//3)
    # 3.0
    print(10.0//3.0)
    # 1 余数或模
    print(10%3)
    # 1.0
    print(10.0%3.0)
    # 3 float转int 直接丢球小数位
    print(int(3.9))
    # 3
    print(int(3.1))
    # 3.0
    print(float(int(3.2)))
    # 3 round四舍五入
    print(round(3.14))
    # 4
    print(round(3.50))
 
    pi=3.14159265358
    # 3.14 保留小数点
    print(round(pi,2))
    # 32 字符串与数字转换
    print(int("32"))
    # 32.6
    print(float("32.6"))
    # 3.141592653589793 π
    print(math.pi)
    # 2.718281828459045 e
    print(math.e)
    # 3.0 平方根
    print(math.sqrt(9))
    # -0.9880316240928618 正弦
    print(math.sin(30))
    # 0.15425144988758405 余弦
    print(math.cos(30))
    # -6.405331196646276 正切
    print(math.tan(30))
    # 0.0               反正弦
    print(math.asin(0))
    # 0.0
    print(math.acos(1))
    # 0.7853981633974483
    print(math.atan(1))
    # 2.302585092994046
    print(math.log(10))
    # 1.0 以10为底的对数
    print(math.log10(10))
    # 6  向上取整
    print(math.ceil(5.1))
    # 5 向下取整
    print(math.floor(5.1))
7
7.0
-1
-1.0
64
64.0
5
3.5
3.3333333333333335
3.3333333333333335
3
3.0
1
1.0
3
3
3.0
3
4
3.14
32
32.6
3.141592653589793
2.718281828459045
3.0
-0.9880316240928618
0.15425144988758405
-6.405331196646276
0.0
0.0
0.7853981633974483
2.302585092994046
1.0
6
5

四、最大值、随机数

import random
 
if __name__ == '__main__':
    nums = [1, 99, 56, 12];
    # 找到最大数
    print(max(nums))
    # 产生随机数 1-10不包含10
    for i in range(10):
        print(random.randrange(1, 10))
    print()
    # 产生随机数 1-5不包含5 步长为2
    for i in range(10):
        print(random.randrange(1, 6, 2))
    print()
    # 产生随机数 0-1 不包含1
    for i in range(10):
        print(random.random())
99
7
2
2
3
2
2
4
6
4
3
 
5
5
3
3
1
1
3
3
5
3
 
0.458486991221416
0.23340284993825433
0.8789451406414406
0.9917952555752739
0.34515078497523477
0.5978918688041688
0.22214095016492852
0.44471808067485497
0.8347324395378312
0.7878854646438388
相关文章
|
2月前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
430 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
2月前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
205 0
|
4月前
|
存储 Web App开发 前端开发
Python + Requests库爬取动态Ajax分页数据
Python + Requests库爬取动态Ajax分页数据
|
1月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
212 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
1月前
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
299 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
3月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
231 18
|
2月前
|
算法 安全 数据安全/隐私保护
Python随机数函数全解析:5个核心工具的实战指南
Python的random模块不仅包含基础的随机数生成函数,还提供了如randint()、choice()、shuffle()和sample()等实用工具,适用于游戏开发、密码学、统计模拟等多个领域。本文深入解析这些函数的用法、底层原理及最佳实践,帮助开发者高效利用随机数,提升代码质量与安全性。
599 0
|
3月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
349 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
3月前
|
数据采集 存储 Web App开发
Python爬虫库性能与选型实战指南:从需求到落地的全链路解析
本文深入解析Python爬虫库的性能与选型策略,涵盖需求分析、技术评估与实战案例,助你构建高效稳定的数据采集系统。
361 0
|
3月前
|
存储 监控 安全
Python剪贴板监控实战:clipboard-monitor库的深度解析与扩展应用
本文介绍了基于Python的剪贴板监控技术,结合clipboard-monitor库实现高效、安全的数据追踪。内容涵盖技术选型、核心功能开发、性能优化及实战应用,适用于安全审计、自动化办公等场景,助力提升数据管理效率与安全性。
162 0

推荐镜像

更多