当前位置: 首页 > news >正文

Python3 笔记:二进制的转换

十进制是逢十进一,二进制就是逢二进一。
十进制里最大的数字是9,二进制里最大的数字是1。

110100100010000100000100000010000000
10^0=110^1=1010^2=10010^3=100010^4=1000010^5=10000010^6=100000010^7=10000000
2^0=12^1=22^2=42^3=82^4=162^5=322^6=642^7=128

1、十进制转二进制的方法:

除2取余法:将数值不断除以2并记录余数,直到商为0。然后将余数按照相反的顺序排列,即可得到对应的二进制数。

十进制数 67 ——二进制数 1000011

在Python中可以用 bin() 来查看对应的二进制数。(binary 英 /ˈbaɪnəri/ n.二进制数)

num1 = 67
print(bin(num1))	# 运行结果:0b1000011
print(bin(2))	# 运行结果:0b10
print(bin(4))	# 运行结果:0b100

注意:bin()的参数不能输入字符串或者浮点型。输出结果会带着前缀"0b"。

2、二进制转十进制的方法:

乘2的幂次方:从二进制数最右边开始往左依次乘2的幂次方。最右边的乘2的0次方,右边数第二个乘2的1次方,以此类推,最后求和,就得到了对应的十进制数。

二进制数 11101 —— 十进制数 29

在Python中 int("x", 2) 可以把二进制转换为十进制。(integer 英 /ˈɪntɪdʒə(r)/ n.整数)

第1个参数是二进制数,记得要加上双引号。
第2个参数是2,表示第1个参数是二进制。

print(int("11101",2))	# 运行结果:29
print(bin(29))	# 运行结果:0b11101

3、其实十进制转二进制也可以采用2的幂次方这种方法:

先看小于且最接近的该数值的 2的幂次方是哪一个,然后减掉它,再看小于且最接近减掉后的结果的 2的幂次方是哪一个,再减掉它,重复到值为0不能再减。最后将运算中出现了2的幂次方的位置写1,没有出现的就写0。

比如:十进制数33,小于且最接近的是   2的5次方32,

再33-32=1,那就在2^5填1,2^0填1,其他没有出现的填0,就得到100001

2^7=1282^6=642^5=322^4=162^3=82^2=42^1=22^0=1
  100001

再比如:十进制数100,小于且最接近的是 2的6次方64,

再100-64=36, 小于36且最接近的是 2的5次方32,

然后100-64-32=4,4就是 2的2次方。所以是1100100

2^7=1282^6=642^5=322^4=162^3=82^2=42^1=22^0=1
 1100100

print(bin(33))	# 运行结果:0b100001
print(bin(100))	# 运行结果:0b1100100
print(int("100001",2))  # 运行结果:33
print(int("1100100",2)) # 运行结果:100

“世界上有10种人…第一种是懂二进制的,另一种是不懂二进制的。”

你现在是第一种人了吗?

相关文章:

Python3 笔记:二进制的转换

十进制是逢十进一,二进制就是逢二进一。 十进制里最大的数字是9,二进制里最大的数字是1。 11010010001000010000010000001000000010^0110^11010^210010^3100010^41000010^510000010^6100000010^7100000002^012^122^242^382^4162^5322^6642^7128 1、十进…...

代码审计-PHP模型开发篇动态调试反序列化变量覆盖TP框架原生POP链

知识点 1、PHP审计-动态调试-变量覆盖 2、PHP审计-动态调试-原生反序列化 3、PHP审计-动态调试-框架反序列化PHP常见漏洞关键字 SQL注入: select insert update delete mysql_query mysqli等 文件上传: $_FILES,type"file"&…...

前端动态旋转地球背景

效果图 贴下源码 <template><div class"map-bg"><div class"canvas" id"canvs"></div><canvas class"canvasxk" id"canv"></canvas></div> </template><script setup …...

MySQL中的子查询

子查询,在一个查询语句中又出现了查询语句 子查询可以出现在from和where后面 from 表子查询(结果一般为多行多列)把查询结果继续当一张表对待 where 标量子查询(结果集只有一行一列)查询身高最高的学生,查询到一个最高身高 列子查询(结果集只有一行多列) 对上表进行如下操作 …...

Unity打开安卓设备不同的设置面板

1&#xff0c;打开安卓设备不同的设置面板&#xff0c;我还贴心的把Android官网的链接放下面了 2&#xff0c;使用也很方便&#xff1a;unity按钮事件上拖这个脚本&#xff0c;注册MyOpenAndroidSettings方法&#xff0c;参数 填 和枚举值相应的数字 // 功能&#xff1a;打开…...

低空经济+无人机:低空物资运输技术详解

随着科技的飞速发展和航空产业的日益壮大&#xff0c;低空经济已成为全球经济的重要组成部分。无人机作为低空经济的重要载体&#xff0c;其在低空物资运输领域的应用逐渐凸显&#xff0c;为物流、救援等多个领域带来了革命性的变革。 一、低空经济概述 低空经济是指在垂直高度…...

全场景智能终端RK3288主板在智能垃圾回收项目的应用,支持鸿蒙,支持全国产化

全场景智能终端主板AIoT-3588A推出的智能化垃圾回收项目&#xff0c;旨在解决城市化进程中日益突出的垃圾处理问题。智能垃圾分类箱具备触屏操作、自动称重、分类投放以及电子语音播报提示等多项功能&#xff0c;居民能够经过分类积分卡、手机扫码、人脸识别等多种途径进行投放…...

QT设计模式:建造者模式

基本概念 建造者模式是一种创建型设计模式&#xff0c;它允许你创建复杂对象的过程独立于该对象的组成部分以及它们的组装方式。这样可以构造出不同的对象表示。 在建造者模式中&#xff0c;将创建对象的过程和对象的表示分离&#xff0c;通过一步步的构建&#xff0c;可以得…...

个人微信api

简要描述&#xff1a; 退出群聊 请求URL&#xff1a; http://域名地址/quitChatRoom 请求方式&#xff1a; POST 请求头Headers&#xff1a; Content-Type&#xff1a;application/json Authorization&#xff1a;login接口返回 参数&#xff1a; 参数名 必选 类型 …...

使用Ownips工具获取海外电商网站wish商品价格

一、引言 在数字化浪潮汹涌的今天&#xff0c;互联网已经成为我们生活、工作中不可或缺的一部分。而在这个虚拟的世界里&#xff0c;每一个设备都需要一个独特的标识来确保信息的准确传递&#xff0c;这个标识就是IP地址。而在众多IP地址中&#xff0c;静态IP因其独特的稳定性…...

【FFmpeg】调用ffmpeg进行H264软解

调用FFmpeg库实现264软件解码 1. FFmpeg的编译2. 调用FFmpeg实现H264软解2.1 基本框架2.2 代码实现2.3 测试结果 3. 分析工具3.1 码流分析3.2 YUV分析 示例工程 【FFmpeg】调用FFmpeg库实现264软编 1. FFmpeg的编译 FFmpeg在Windows下的编译参考&#xff1a;http://t.csdni…...

网络安全防护:抵御DDoS和CC攻击

在当今数字化时代&#xff0c;网络安全已成为任何组织或个人不可忽视的重要议题。DDoS&#xff08;分布式拒绝服务&#xff09;攻击和CC&#xff08;命令与控制&#xff09;攻击作为两种最为常见的网络攻击方式&#xff0c;给网络运营者和用户带来了巨大的威胁和影响。本文将介…...

初次查询大数据信用报告,需要注意哪些问题?

随着大数据的普及&#xff0c;基于大数据技术的大数据信用也变得越来越重要&#xff0c;比如在申贷之前&#xff0c;不少地方都会查询申贷人的大数据信用&#xff0c;作为风险控制的必要手段&#xff0c;那对于初次查询大数据信用报告的人来说&#xff0c;需要注意哪些问题呢?…...

最短路径[floyd算法]-----视频讲解+代码实现

求最短路径&#xff0c;一般有三种方法&#xff1a; 单源最短路径--Dijkstra算法 此算法只能求不带负权值的有向无环图 单源最短路径--Bellman-Ford算法&#xff08;少考&#xff09; 此算法优点在于&#xff1a;可以求带权值的右向无环图 但只是缺点明显&#xff0c;时间复杂度…...

图像/视频恢复和增强CodeFormer

github&#xff1a;https://github.com/sczhou/CodeFormer 尝试增强旧照片/修复人工智能艺术 面部修复 面部色彩增强和恢复 脸部修复...

WPF中ObservableCollection

在WPF&#xff08;Windows Presentation Foundation&#xff09;中&#xff0c;ObservableCollection<T> 是一个非常重要的类&#xff0c;它用于实现动态数据绑定功能。这个类位于 System.Collections.ObjectModel 命名空间中&#xff0c;是 ICollection<T>, IList…...

如何用鼠标点击在picturebox的图像上做标记

鼠标点击图像&#xff0c;在点击处画一个圆。 using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Drawing.Drawing2D; using System.Linq; using System.Text; using System.Threading.T…...

k8s介绍

一、前言 Kubernetes&#xff08;通常简称为 K8s&#xff09;是一个开源的容器编排平台&#xff0c;用于自动化部署、扩展和管理容器化应用程序&#xff0c;它提供了丰富的功能使得用户能够轻松地管理大规模的容器集群&#xff0c;包括自动化部署和扩展、服务发现和负载均衡、存…...

K-means聚类模型:深入解析与应用指南

K-means聚类是一种广泛使用的无监督学习算法&#xff0c;它通过迭代过程将数据集划分为K个聚类。以下是一篇关于K-means聚类模型的技术文章&#xff0c;将从不同的角度进行详尽的描述。 1. 引言 K-means聚类算法是一种简单且高效的聚类方法&#xff0c;广泛应用于数据挖掘、市…...

CTF-密码学基础

概述 密码学(Cryptolopy)&#xff1a;是研究信息系统安全保密的科学 密码学研究的两个方向&#xff1a; 密码编码学(Cryptography)&#xff1a;主要研究对信息进行编码&#xff0c;实现对信息的隐蔽密码分析学(Cryptanalytics)&#xff1a;主要研究加密信息的破译或消息的伪造…...

YOLOv5实战:如何用Python手写IoU计算函数提升目标检测精度

YOLOv5实战&#xff1a;手写IoU计算函数提升目标检测精度的Python实现 在目标检测任务中&#xff0c;边界框的定位精度直接影响模型性能。IoU&#xff08;Intersection over Union&#xff09;作为衡量预测框与真实框重合度的核心指标&#xff0c;其计算准确性对模型优化至关重…...

【稀缺预警】Python 3.14 JIT编译器深度剖析:3类隐性CPU浪费模式+2套自动降本脚本(附真实AWS账单对比图)

第一章&#xff1a;Python 3.14 JIT编译器的演进逻辑与成本敏感性定位Python 3.14 并非官方发布的正式版本&#xff08;截至2024年&#xff0c;CPython最新稳定版为3.12&#xff0c;3.13处于预发布阶段&#xff09;&#xff0c;但本章以假设性技术前瞻视角&#xff0c;探讨若Py…...

Python自动化爬取企查查企业工商信息的实战技巧

1. Python爬取企查查数据的核心思路 企查查作为国内权威的企业信息查询平台&#xff0c;包含了大量有价值的工商注册信息。对于金融、证券行业的从业者来说&#xff0c;经常需要批量获取这些数据进行分析。手动一个个查询不仅效率低下&#xff0c;还容易出错。这时候Python自动…...

科哥Image-to-Video镜像实战:从零开始制作你的第一个AI视频

科哥Image-to-Video镜像实战&#xff1a;从零开始制作你的第一个AI视频 1. 前言&#xff1a;为什么选择科哥的Image-to-Video镜像&#xff1f; 想象一下&#xff0c;你有一张美丽的风景照片&#xff0c;如果能把它变成一段生动的视频该有多好&#xff1f;这就是Image-to-Vide…...

Phan静态分析工具:10个自动化代码质量检查的终极指南

Phan静态分析工具&#xff1a;10个自动化代码质量检查的终极指南 【免费下载链接】phan Phan is a static analyzer for PHP. Phan prefers to avoid false-positives and attempts to prove incorrectness rather than correctness. 项目地址: https://gitcode.com/gh_mirro…...

GTE-Pro物流应用:运单文本的智能处理

GTE-Pro物流应用&#xff1a;运单文本的智能处理 1. 物流行业的文本处理挑战 每天&#xff0c;物流公司都要处理海量的运单文本和客服对话。这些文本数据里藏着宝贵的信息&#xff0c;但传统的关键词匹配方法往往力不从心。 想象一下这样的场景&#xff1a;一个运单上写着&q…...

Spark性能调优实战:如何通过预传依赖至HDFS加速任务启动(spark.yarn.jars与spark.yarn.archive配置详解)

1. 为什么需要预传依赖到HDFS&#xff1f; 每次提交Spark任务时&#xff0c;最让人头疼的就是漫长的等待时间。我曾经在一个中型集群上测试&#xff0c;一个简单的WordCount任务居然花了3分钟才真正开始执行——其中2分50秒都耗在了依赖上传阶段。这种体验就像每次开车前都要重…...

乙巳马年春联生成终端部署教程:Docker镜像构建+GPU算力适配详解

乙巳马年春联生成终端部署教程&#xff1a;Docker镜像构建GPU算力适配详解 1. 引言&#xff1a;从创意到部署&#xff0c;开启你的AI春联创作之旅 想象一下&#xff0c;你只需要输入几个简单的愿望词&#xff0c;比如“如意”或“飞跃”&#xff0c;一扇威严的皇家红门就在屏…...

conda安装cudnn避坑指南:为什么你的CUDA环境总是报错?

Conda环境下的CUDA与cuDNN版本管理实战指南 每次在终端看到CUDA相关的报错信息时&#xff0c;那种感觉就像是在解一道没有标准答案的数学题。特别是当深度学习框架因为CUDA版本不兼容而拒绝运行时&#xff0c;连最简单的import tensorflow都能变成一场噩梦。本文将带你深入理解…...

OpenClaw学习路径:从Qwen3-32B镜像体验到复杂自动化任务设计

OpenClaw学习路径&#xff1a;从Qwen3-32B镜像体验到复杂自动化任务设计 1. 为什么需要分阶段学习OpenClaw&#xff1f; 第一次接触OpenClaw时&#xff0c;我被它"无所不能"的自动化能力震撼了——这个开源框架能让AI像人类一样操作我的电脑&#xff0c;完成文件整…...