Python——基本的书写规则

简介: 1、输入方法input()等待用户输入数据,并回车后得到数据(name为输入的字符串)name=input('Please input your name:')print('Hi,',name)运行代码效果: 2、注释的写法:#开头以#开头的语句是注释,注释是给人看的,可以是任意内容,解释器会忽略掉注释。

1、输入方法input()

等待用户输入数据,并回车后得到数据(name为输入的字符串)

name=input('Please input your name:')
print('Hi,',name)

运行代码效果:

 

2、注释的写法:#开头

#开头的语句是注释,注释是给人看的,可以是任意内容,解释器会忽略掉注释。

语句以冒号:结尾时,缩进的语句视为代码块,没有规定缩进是几个空格,但是约定俗成为4个空格。

#Note:firse code demo
#print absolute value of an integer:
a=100
if a >=0:
    print(a)
else:
    print(-a) 

输出为:

 

 3、数据类型

整数,比如20,-100

浮点数,比如1.2323,对于很大的数使用科学计数法,用e代替10,比如1.23x109就是1.23e9

字符串,比如'abc',“hello world”,

转义,使用\来转移单引号和双引号,\\转义\,\n换行,\t制表符,

不转义,r'\xxx\xxx'表示'\xxx\xxx'不用转义

多行,用'''xxxxxxx'''表示多行内容

print('''line1
line2
line3''')

输出为

 

布尔值,只有2个值,True和False,注意大小写,Python是大小写敏感的。他可以使用and ,or,not进行运算。

空值,None,不能理解为0,因为0是有意义的,而None是一个特殊空值。

常量,通常用全部大写的变量名表示常量,如π的写法:PI=3.14159265359

此外还有字典,列表以及自定义数据类型。

 

4、变量

变量名必须是大小写英文、数字和_的组合,且不能用数字开头。

在Python中,等号=是赋值语句,可以把任意数据类型赋值给变量,同一个变量可以反复赋值,而且可以是不同类型的变量,例如

a = 123 # a是整数
print(a)
a = 'ABC' # a变为字符串
print(a)

 

 

另外,还有一种除法是//,称为地板除,两个整数的除法仍然是整数:

>>> 10 // 3
3

 



目录
相关文章
|
算法 Python
请解释Python中的关联规则挖掘以及如何使用Sklearn库实现它。
使用Python的mlxtend库,可以通过Apriori算法进行关联规则挖掘。首先导入TransactionEncoder和apriori等模块,然后准备数据集(如购买行为列表)。对数据集编码并转换后,应用Apriori算法找到频繁项集(设置最小支持度)。最后,生成关联规则并计算置信度(设定最小置信度阈值)。通过调整这些参数可以优化结果。
551 9
【Python操作基础】——语句书写规范
【Python操作基础】——语句书写规范
|
人工智能 Unix Java
[oeasy]python059变量命名有什么规则_惯用法_蛇形命名法_name_convention_snake
本文探讨了Python中变量命名的几种常见方式,包括汉语拼音变量名、蛇形命名法(snake_case)和驼峰命名法(CamelCase)。回顾上次内容,我们主要讨论了使用下划线替代空格以提高代码可读性。实际编程中,当变量名由多个单词组成时,合理的命名惯例变得尤为重要。
491 9
|
Java 程序员 API
Python中的单下划线和双下划线使用规则
Python中的单下划线和双下划线使用规则
239 12
|
存储 Python
python变量命名规则
【8月更文挑战第4天】
610 5
|
存储 IDE 开发工具
Python中变量命名规则
【8月更文挑战第5天】
854 4
|
数据可视化 算法 前端开发
基于python flask+pyecharts实现的中药数据可视化大屏,实现基于Apriori算法的药品功效关系的关联规则
本文介绍了一个基于Python Flask和Pyecharts实现的中药数据可视化大屏,该系统应用Apriori算法挖掘中药药材与功效之间的关联规则,为中医药学研究提供了数据支持和可视化分析工具。
615 2
|
数据采集 机器学习/深度学习 算法
Python基于Apriori关联规则算法实现商品零售购物篮分析
Python基于Apriori关联规则算法实现商品零售购物篮分析
|
机器学习/深度学习 数据采集 算法
基于Apriori关联规则的电影推荐系统(附python代码)
这是一个基于Apriori算法的电影推荐系统概览。系统通过挖掘用户评分数据来发现关联规则,例如用户观看某部电影后可能感兴趣的其他电影。算法核心是逐层生成频繁项集并设定最小支持度阈值,之后计算规则的置信度。案例中展示了数据预处理、频繁项集生成以及规则提取的过程,具体包括用户评分电影的统计分析,如1-5部电影的评分组合。最后,通过Python代码展示了Apriori算法的实现,生成推荐规则,并给出了一个简单的推荐示例。整个过程旨在提高推荐的精准度,基于用户已评分的电影推测他们可能尚未评分但可能喜欢的电影。
基于Apriori关联规则的电影推荐系统(附python代码)
|
算法 数据可视化 搜索推荐
数据分享|Python用Apriori算法关联规则分析亚马逊购买书籍关联推荐客户和网络图可视化
数据分享|Python用Apriori算法关联规则分析亚马逊购买书籍关联推荐客户和网络图可视化
224 11

推荐镜像

更多