《Python编程快速上手——让繁琐工作自动化》——2.2 比较操作符

简介:

本节书摘来自异步社区《Python编程快速上手——让繁琐工作自动化》一书中的第2章,第2.2节,作者[美] Al Sweigart,王海鹏 译,更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.2 比较操作符

“比较操作符”比较两个值,求值为一个布尔值。表2-1列出了比较操作符。


9dbc65bfbe143e11a15bcd7d1cbf4b216df39719

这些操作符根据给它们提供的值,求值为True或False。现在让我们尝试一些操作符,从==和!=开始。

>>>  42 == 42
True
>>>  42 == 99
False
>>>  2 != 3
True
>>>  2 != 2
False

如果两边的值一样,==(等于)求值为True。如果两边的值不同,!=(不等于)求值为True。==和!=操作符实际上可以用于所有数据类型的值。

 >>> 'hello' == 'hello'
 True
 >>> 'hello' == 'Hello'
 False
 >>> 'dog' != 'cat'
 True
 >>> True == True
 True
 >>> True != False
 True
 >>> 42 == 42.0
 True
1 >>> 42 == '42'
 False
 

请注意,整型或浮点型的值永远不会与字符串相等。表达式42 == '42' 1求值为False是因为,Python认为整数42与字符串'42'不同。

另一方面,<、>、<=和>=操作符仅用于整型和浮点型值。

 >>> 42 < 100
 True
 >>> 42 > 100
 False
 >>> 42 < 42
 False
 >>> eggCount = 42
2 >>> eggCount <= 42
 True
 >>> myAge = 29
3 >>> myAge >= 10
 True 

操作符的区别

你可能已经注意到,==操作符(等于)有两个等号,而=操作符(赋值)只有一个等号。这两个操作符很容易混淆。只要记住:

    ==操作符(等于)问两个值是否彼此相同。

    =操作符(赋值)将右边的值放到左边的变量中。

为了记住谁是谁,请注意==操作符(等于)包含两个字符,就像!=操作符(不等于)包含两个字符一样。

你会经常用比较操作符比较一个变量和另外某个值。就像在例子eggCount <= 42 1和myAge >= 10 2中一样(毕竟,除了在代码中输入'dog' != 'cat'以外,你本来也可以直接输入True)。稍后,在学习控制流语句时,你会看到更多的例子。

相关文章
|
2天前
|
存储 安全 数据库
自动化密码填充:使用Python提高日常工作效率
自动化密码填充:使用Python提高日常工作效率
9 0
|
2天前
|
SQL 数据库 数据库管理
python自动生成SQL语句自动化
python自动生成SQL语句自动化
10 1
|
2天前
|
存储 Python 容器
Python高级编程
Python集合包括可变的set和不可变的frozenset,用于存储无序、不重复的哈希元素。创建集合可使用{}或set(),如`my_set = {1, 2, 3, 4, 5}`。通过add()添加元素,remove()或discard()删除元素,如`my_set.remove(3)`。
|
2天前
|
持续交付 Python
使用Python实现自动化Web内容巡检
使用Python实现自动化Web内容巡检
11 1
|
3天前
|
测试技术 Python
Python模块化方式编程实践
Python模块化编程提升代码质量,包括:定义专注单一任务的模块;使用`import`导入模块;封装函数和类,明确命名便于重用;避免全局变量降低耦合;使用文档字符串增强可读性;为每个模块写单元测试确保正确性;重用模块作为库;定期维护更新以适应Python新版本。遵循这些实践,可提高代码可读性、重用性和可维护性。
21 2
|
6天前
|
监控 测试技术 持续交付
Python自动化测试代理程序可用性
总之,通过编写测试用例、自动化测试和设置监控系统,您可以确保Python自动化测试代理程序的可用性,并及时发现和解决问题。这有助于提供更可靠和高性能的代理服务。
11 4
|
8天前
|
机器学习/深度学习 数据采集 算法
【Python机器学习专栏】自动化特征选择与优化的实践
【4月更文挑战第30天】特征选择在机器学习中至关重要,能降低模型复杂度,提高泛化能力和避免过拟合。本文介绍了自动化特征选择的三种方法:过滤法(如SelectKBest)、包装法(如RFE)和嵌入法(如随机森林)。通过结合这些方法,可实现特征优化,包括数据预处理、初步筛选、模型训练与评估、特征优化和结果验证。自动化特征选择能提升模型性能,适应不同数据集和任务需求,为机器学习项目提供坚实基础。
|
9天前
|
测试技术 调度 索引
python编程中常见的问题
【4月更文挑战第23天】
31 2
|
9天前
|
网络协议 算法 网络架构
Python网络编程之udp编程、黏包以及解决方案、tcpserver
Python网络编程之udp编程、黏包以及解决方案、tcpserver
|
9天前
|
机器学习/深度学习 数据挖掘 算法框架/工具
Python:编程的艺术与魅力
Python:编程的艺术与魅力
22 3

热门文章

最新文章