python函数、运算符等简单介绍2(无顺序)
list(列表)
列表是Python的一种内置数据类型,列表是可以装各种数据类
型的容器
# 第一种list创建方式
list_name = ['晓东','小刚','明明','小红',123,123.4,'123']
print(list_name)
print(type(list_name))
# 输出结果:
['晓东', '小刚', '明明', '小红', 123, 123.4, '123']
<class 'list'># 第二种list创建方式
lis1_num = list(range(1,11))
print(lis1_num)
# 输出结果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]# 第三种list创建方式
list_num = list(range(1,11,3))
print(list_num)
# 输出结果:
[1, 4, 7, 10]### 1为开始,11为结束,3为步长
tuple(元祖)
元组和列表基本一样,都可以用来存储多个数据
最大区别是:元组不可修改
# 第一种tuple创建方式
tuple1 = (1,2,'3','z','小')
print(tuple1)
print(type(tuple1))
# 输出结果:
(1, 2, '3', 'z', '小')
<class 'tuple'># 第二种tuple创建方式
tuple1 = tuple(range(1,11,2))
print(tuple1)
# 输出结果:
(1, 3, 5, 7, 9)
切片
将序列中的一定规则的元素切到新的序列中
a = ['小小','小明','小红','小刚']
a1 = a[1:3:1]
print(a1)
# 输出结果:
['小明', '小红']b = ['小小','小明','小红','小刚']
b1 = b[-1:-4:-1]
print(b1)
# 输出结果:
['小刚', '小红', '小明']
in
如果在指定的序列中找到值返回 True,否则返回False。
s = "hello my friend"
print('a\m' in s)
# 输出结果:
Falsea = "hello my friend"
print('o' in a)
# 输出结果:
True
not in
如果在指定的序列中没有找到值返回 True,否则返回False。
s = "hello my friend"
print('a\m' not in s)
# 输出结果:
Truea = "hello my friend"
print('o' not in a)
# 输出结果:
False
max
返回给定参数的最大值,参数可以为序列
a = (1,2,3,4,5,6)
print(max(a))
# 输出结果:
6
sum
对序列进行求和计算
a = (1,2,3,4,5,6)
print(sum(a))
# 输出结果:
21
sorted
对序列类型进行排序,默认是升序
a = (5,8,9,3,1,4,8,5,2,5)
print(sorted(a))
# 输出结果:
[1, 2, 3, 4, 5, 5, 5, 8, 8, 9]
reversed
反转一个序列对象,不会修改原来的,返回的是一个迭代器
a = [3,5,9,4,2,1]
print(list(reversed(a)))
print(a[::-1])
# 输出结果
[1, 2, 4, 9, 5, 3]
[1, 2, 4, 9, 5, 3]
if
判断语句
判断语句本质上是bool值 if 可以读成 如果
age = int(input('请输入年龄:'))
if age < 18:print('年龄过小,无法进入网吧')
print('可以进入网吧') #与if语句无关
# 输出结果:
请输入年龄:17
年龄过小,无法进入网吧
可以进入网吧
if…else
双向分支
如果 判断 表示的的结果为True则执行,否则则行另一块双向分支一定只会执行其中一条分支
age = int(input('请输入年龄:'))
if age < 18:print('年龄过小,无法进入网吧')
else:print('可以进入网吧')
# 输出结果1:
请输入年龄:17
年龄过小,无法进入网吧
# 输出结果2:
请输入年龄:18
可以进入网吧
if…elif…else
多向分支
if 如果 elif 否则如果 else 否则
elif 这个条件可以是0个,也可以有多个
elif 如果有一个满足,剩下的表达式通通不执行,只执行那一个代码块
age = int(input('请输入年龄:'))
if age <= 6:print('儿童')
elif 7 <= age <= 18:print('青少年')
elif 19 <= age <= 40:print('青年')
elif 41 <= age <=70:print('中年')
else:print('老年')
# 输出结果:
请输入年龄:50
中年
while循环
while 在条件成立时 会进入代码块 但是while循环会不断的重复执行代码块,直到条件表达式为False的时候才会结束
numb = 1
while numb <= 5:print('numb = ',numb)numb += 1
print('结束')
# 输出结果:
numb = 1
numb = 2
numb = 3
numb = 4
numb = 5
结束username = 'admin'
password = 'admin123'
while True:u = input('请输入账号:')p = input('请输入密码:')if u == username and p == password:print('登陆成功')breakelse:print('账号或密码输入错误,请重新输入')
# 输出结果:
请输入账号:admin
请输入密码:admin123
登陆成功
for循环
python分别有两种循环,分别是while和for,for循环能干的while一定能干
for i in range(1, 5):print(i)
# 输出结果:
1
2
3
4for i in range(1, 6):for j in range(1, 10):print(str(i) + "0" + str(j) + "号", end=' ')print()
# 输出结果:
101号 102号 103号 104号 105号 106号 107号 108号 109号
201号 202号 203号 204号 205号 206号 207号 208号 209号
301号 302号 303号 304号 305号 306号 307号 308号 309号
401号 402号 403号 404号 405号 406号 407号 408号 409号
501号 502号 503号 504号 505号 506号 507号 508号 509号
find
可指范围查找子串,返回下标值,否则返回-1
a = 'xiaoming'
print(a.find('x'))
print(a.find('p'))
# 输出结果:
0
-1
index
index()方法和find()基本一样找到了就返回下标,找不到就报错
a = 'xiaoming'
print(a.index('x'))
print(a.index('p'))
# 输出结果:
0
Traceback (most recent call last):File "F:/python/hello world.py", line 225, in <module>print(a.index('p'))
ValueError: substring not found
count
返回找到的子串个数
a = 'xiaoming'
print(a.count('x'))
# 输出结果:
1
相关文章:
python函数、运算符等简单介绍2(无顺序)
list(列表) 列表是Python的一种内置数据类型,列表是可以装各种数据类 型的容器 # 第一种list创建方式 list_name [晓东,小刚,明明,小红,123,123.4,123] print(list_name) print(type(list_name)) # 输出结果: [晓东, 小刚, 明明…...
k8s 自身原理 3
前面有分享到 master 主节点上的 四个组件,etcd,ApiServer,scheduler,controller manager 接下来我们分享一波 woker 节点上的组件,xdm 还记得 worker 节点上都有什么吗? kubeletkube-proxy实际的服务对应…...
SpringBoot 3自带的 HTTP 客户端工具
原理 Spring的HTTP 服务接口是一个带有HttpExchange方法的 Java 接口,它支持的支持的注解类型有: HttpExchange:是用于指定 HTTP 端点的通用注释。在接口级别使用时,它适用于所有方法。GetExchange:为 HTTP GET请求指…...
Spring Boot多级缓存实现方案
1.背景 缓存,就是让数据更接近使用者,让访问速度加快,从而提升系统性能。工作机制大概是先从缓存中加载数据,如果没有,再从慢速设备(eg:数据库)中加载数据并同步到缓存中。 所谓多级缓存,是指在整个系统架…...
机器学习笔记:李宏毅chatgpt 大模型 大资料
1 大模型 1.1 大模型的顿悟时刻 Emergent Abilities of Large Language Models,Transactions on Machine Learning Research 2022 模型的效果不是随着模型参数量变多而慢慢变好,而是在某一个瞬间,模型“顿悟”了 这边举的一个例子是&#…...
2023年中国智慧公安行业发展现况及发展趋势分析:数据化建设的覆盖范围不断扩大[图]
智慧公安基于互联网、物联网、云计算、智能引擎、视频技术、数据挖掘、知识管理为技术支撑,公安信息化为核心,通过互联互通、物联化、智能方式促进公安系统各功能模块的高度集成、协同作战实现警务信息化“强度整合、高度共享、深度应用”警察发展的新概…...
Apache Dubbo概述
一、课程目标 1. 【了解】软件架构的演进过程 2. 【理解】什么是RPC 3. 【掌握】Dubbo架构 4. 【理解】注册中心Zookeeper 5. 【掌握】Zookeeper的安装和使用 6. 【掌握】Dubbo入门程序 7. 【掌握】Dubbo管理控制台的安装和使用 8. 【理解】Dubbo配置二、分布式RPC框架Apache …...
React UI组件库
1 流行的开源React UI组件库 1 material-ui(国外) 官网: Material UI: React components based on Material Design github: GitHub - mui/material-ui: MUI Core: Ready-to-use foundational React components, free forever. It includes Material UI, which implements Go…...
计算机科学的伟大变革:从机械计算到人工智能
摘要 计算机科学作为一门学科,经历了几十年的发展和演变。本论文旨在探讨计算机科学领域的伟大变革,从最早的机械计算设备到如今的人工智能系统。通过回顾历史、分析技术进步以及展望未来,我们可以清晰地看到计算机科学如何塑造了现代社会&a…...
微服务详解
微服务 什么是微服务? 微:单个服务的设计,所有参与人从设计、开发、测试、运维所有人加起来只需要两个披萨就够了 服务:一定要区别于系统,服务一个或者一组相对较小且独立的功能单元,是用户可以感知的最…...
Python爬虫的requests(学习于b站尚硅谷)
目录 一、requests 1. requests的基本使用 (1)文档 (2)安装 (3)响应response的属性以及类型 (4)代码演示 2.requests之get请求 3. requests之post请求 &#x…...
PHP最简单自定义自己的框架view使用引入smarty(8)--自定义的框架完成
1、实现效果。引入smarty, 实现assign和 display 2、下载smarty,创建缓存目录cache和扩展extend 点击下面查看具体下载使用,下载改名后放到extend PHP之Smarty使用以及框架display和assign原理_PHP隔壁老王邻居的博客-CSDN博客 3、当前控…...
字符串的常用操作
1.拼接字符串 使用运算符""可以对多个字符串进行拼接将几个字符串拼成一个字符串。 2.计算字符串的长度 使用len()函数计算字符串的长度 len(string) 其中string用于指定要进行长度统计的字符串。 3.截取字符串 由于字符串也属于序列,所以要截取字…...
开启想象翅膀:轻松实现文本生成模型的创作应用,支持LLaMA、ChatGLM、UDA、GPT2、Seq2Seq、BART、T5、SongNet等模型,开箱即用
开启想象翅膀:轻松实现文本生成模型的创作应用,支持LLaMA、ChatGLM、UDA、GPT2、Seq2Seq、BART、T5、SongNet等模型,开箱即用 TextGen: Implementation of Text Generation models 1.介绍 TextGen实现了多种文本生成模型,包括&a…...
文心一言 VS 讯飞星火 VS chatgpt (74)-- 算法导论7.2 2题
二、如果用go语言,当数组A的所有元素都具有相同值时,QUICKSORT的时间复杂度是什么? 文心一言: 在Go语言中,对一个所有元素都相等的数组进行快速排序(QuickSort)的时间复杂度是O(n log n)。 快速排序是一…...
大数据第二阶段测试
大数据第二阶段测试 一、简答题 Flume 采集使用上下游的好处是什么? 参考答案一 -上游和下游可以实现解耦,上游不需要关心下游的处理逻辑,下游不需要关心上游的数据源。 -上游和下游可以并行处理,提高整体处理效率。 -可以实现…...
06 为什么需要多线程;多线程的优缺点;程序 进程 线程之间的关系;进程和线程之间的区别
为什么需要多线程 CPU、内存、IO之间的性能差异巨大多核心CPU的发展线程的本质是增加一个可以执行代码工人 多线程的优点 多个执行流,并行执行。(多个工人,干不一样的活) 多线程的缺点 上下文切换慢,切换上下文典型值…...
datax-web报错收集
在查看datax时发现日志出现了如上错误,因为项目是部署在本地linux虚拟机上的,使用的是nat网络地址转换,不知道为什么虚拟机的端口号发生了变化,导致数据库根本连接不进去,更新linux虚拟机的ip地址就好...
YOLO相关原理(文件结构、视频检测等)
超参数进化(hyperparameter evolution) 超参数进化是一种使用了genetic algorithm(GA)遗传算法进行超参数优化的一种方法。 YOLOv5的文件结构 images文件夹内的文件和labels中的文件存在一一对应关系 激活函数:非线性处理单元 activation f…...
深入解析Spring Boot的核心特性与示例代码
系列文章目录 文章目录 系列文章目录前言一、自动配置(Auto-Configuration)二、起步依赖(Starter Dependencies)三、命令行界面(CLI)四、微服务支持五、内嵌Web服务器六、配置文件管理七、简化的日志配置八、健康检查与监控九、注解驱动开发十、外部化配置总结前言 Spri…...
页面渲染流程与性能优化
页面渲染流程与性能优化详解(完整版) 一、现代浏览器渲染流程(详细说明) 1. 构建DOM树 浏览器接收到HTML文档后,会逐步解析并构建DOM(Document Object Model)树。具体过程如下: (…...
大模型多显卡多服务器并行计算方法与实践指南
一、分布式训练概述 大规模语言模型的训练通常需要分布式计算技术,以解决单机资源不足的问题。分布式训练主要分为两种模式: 数据并行:将数据分片到不同设备,每个设备拥有完整的模型副本 模型并行:将模型分割到不同设备,每个设备处理部分模型计算 现代大模型训练通常结合…...
JUC笔记(上)-复习 涉及死锁 volatile synchronized CAS 原子操作
一、上下文切换 即使单核CPU也可以进行多线程执行代码,CPU会给每个线程分配CPU时间片来实现这个机制。时间片非常短,所以CPU会不断地切换线程执行,从而让我们感觉多个线程是同时执行的。时间片一般是十几毫秒(ms)。通过时间片分配算法执行。…...
06 Deep learning神经网络编程基础 激活函数 --吴恩达
深度学习激活函数详解 一、核心作用 引入非线性:使神经网络可学习复杂模式控制输出范围:如Sigmoid将输出限制在(0,1)梯度传递:影响反向传播的稳定性二、常见类型及数学表达 Sigmoid σ ( x ) = 1 1 +...
蓝桥杯3498 01串的熵
问题描述 对于一个长度为 23333333的 01 串, 如果其信息熵为 11625907.5798, 且 0 出现次数比 1 少, 那么这个 01 串中 0 出现了多少次? #include<iostream> #include<cmath> using namespace std;int n 23333333;int main() {//枚举 0 出现的次数//因…...
什么是Ansible Jinja2
理解 Ansible Jinja2 模板 Ansible 是一款功能强大的开源自动化工具,可让您无缝地管理和配置系统。Ansible 的一大亮点是它使用 Jinja2 模板,允许您根据变量数据动态生成文件、配置设置和脚本。本文将向您介绍 Ansible 中的 Jinja2 模板,并通…...
.Net Framework 4/C# 关键字(非常用,持续更新...)
一、is 关键字 is 关键字用于检查对象是否于给定类型兼容,如果兼容将返回 true,如果不兼容则返回 false,在进行类型转换前,可以先使用 is 关键字判断对象是否与指定类型兼容,如果兼容才进行转换,这样的转换是安全的。 例如有:首先创建一个字符串对象,然后将字符串对象隐…...
python执行测试用例,allure报乱码且未成功生成报告
allure执行测试用例时显示乱码:‘allure’ �����ڲ����ⲿ���Ҳ���ǿ�&am…...
Reasoning over Uncertain Text by Generative Large Language Models
https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829 1. 概述 文本中的不确定性在许多语境中传达,从日常对话到特定领域的文档(例如医学文档)(Heritage 2013;Landmark、Gulbrandsen 和 Svenevei…...
让回归模型不再被异常值“带跑偏“,MSE和Cauchy损失函数在噪声数据环境下的实战对比
在机器学习的回归分析中,损失函数的选择对模型性能具有决定性影响。均方误差(MSE)作为经典的损失函数,在处理干净数据时表现优异,但在面对包含异常值的噪声数据时,其对大误差的二次惩罚机制往往导致模型参数…...
