• 查漏补缺(一)


    1.4 运算符:

    取余 %  :x % y

    乘方 * * :2 ** 3

    1.4.1 长整数

    处理长整数运算:

    >>>1987163987163981639186L*198763981726391826L+23
    394976626432005567613000143784791693659L

    1.8 函数:

    四舍五入round

    向下取整 floor

    1.9 模块:

    “from 模块 import 模块“这种形式的import命令后,就可以直接使用函数,而不需要模块名作为点缀

    1.9.1 cmath 和复数

    虚数由cmath模块处理:

    >>>import cmath
    >>>cmath.sqrt(-1)
    1j

    1.10.2 让脚本像普通程序一样运行

    只要把下面的内容放在脚本的首行即可:

    #!/usr/bin/python

    在实际运行脚本之前,必须让脚本文件具有可执行的属性:

    $ chmod a+x hello.py

    现在就能这样运行了(假设当前目录包含在路径中):

    $ hello.py

    1.11 字符串

    1.11.3 字符串表示,str 和repr

    值被转换为字符串的两种机制:

           一种是通过str函数,它会把值转换为合理形式的字符串,以便用户可以理解;

    另一种是通过repr函数,它会创建一个字符串,以合法的Python表达式的形式来表示值。

    >>>print repr ("Hello,world!")
    'Hello,world!'
    >>>print repr (10000L)
    10000L
    >>>print str ("Hello,world!")
    Hello,world!
    >>>print str (10000L)
    10000

    1.11.4 input和raw_input的比较

           input会假设用户输入的是合法的Python表达式(或多或少有些与repr函数相反的意思。)如果以字符串作为输入的名字,程序运行没问题的:

    What is your name?  "Gumby"
    Hello,Gumby!

           然而,要求用户带着引号输入他们的名字有点过分,因此,需要使用到raw_input函数,它会把所有的输入当作原始数据(raw data),然后将其放入字符串:

    >>>input("Enter a number")
    Enter a number: 3
    3
    >>>raw_input("Enter a number")
    Enter a number: 3
    '3'

    1.11.5 长字符串、原始字符串和Unicode

         1 .长字符串

    print '''This is a very long string.
    It continues here.
    And it's not over yet
    "Hello,world!"
    Still here.'''

    PS:

       普通字符串也可以跨行。如果一行之中最后一个字符是反斜线,那么,换行符本身就“转义”了,也就是被忽略了,例如:

    print "Hello,
    world!"

      这句会打印Hello,world!。这个用法也适用于表达式和语句:

    >>>1 + 2 + 
               4 + 5
    12
    >>>print 
             'Hello,world'
    Hello,world

    2. 原始字符串

    原始字符串以r开头,基本可以在原始字符串中放入任何字符,但不能在原始字符串的结尾输入反斜线。

    如果最后一个字符(位于结束引号前的那个)是反斜线,应把反斜线单独作为一个字符串来处理。

    >>>print r'C:
    owhere'
    C:
    owhere
    >>>print r'C:Program Filesfonrdfooarazfrozzozz'
    C:Program Filesfonrdfooarazfrozzozz
    
    >>>print r'C:Program Filesfooar' '\'
    C:Program Filesfooar
  • 相关阅读:
    机器学习入门-文本数据-使用聚类增加文本的标签属性
    机器学习入门-文本特征-使用LDA主题模型构造标签 1.LatentDirichletAllocation(LDA用于构建主题模型) 2.LDA.components(输出各个词向量的权重值)
    机器学习入门-文本特征-word2vec词向量模型 1.word2vec(进行word2vec映射编码)2.model.wv['sky']输出这个词的向量映射 3.model.wv.index2vec(输出经过映射的词名称)
    机器学习入门-数值特征-对数据进行log变化
    python中datetime.strptime(),strftime()的应用
    css中的','、'>'、'+'、'~'
    js中const,var,let区别
    css的#和.的区别
    js实现拖放
    [Usaco2005]Part Acquisition
  • 原文地址:https://www.cnblogs.com/HelloDreams/p/4970478.html
Copyright © 2020-2023  润新知