稳扎稳打,步步为营-----------逻辑运算

本文深入探讨Python中的逻辑运算,包括连续比较、and/or运算符的优先级及混合类型比较,通过实例讲解如何理解并应用这些规则。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

       将近一个月没有写博客了,不是没有在学习,而是每天的进度,让我转不过来,但学习容不得马虎,并且会了理论不一定会解决实际问题,就像数学,你会背定义,就一定会做关于这个定义的每一道题吗,但你不断的做题后,自己在遇到同样或者相似的问题就不会没有思路,我是个普通人,不断地刷经验,就是自己野蛮增长方式。废话不说,上菜。。。

      之前已经把逻辑运算的基本知识都写出来了,但在题目中往往的考点都是围绕着运算的优先顺序来做的。同类别的优先顺序,连续比较。不同类型的优先顺序的比较,就是混合类型的的比较。

先说连续比较,简单的讲就    a = 1  b = 2     c = 3

a < b < c   或    a < c > b    但实际情况a ,  b , c 肯什么都是函数,字符串,列表,元组而且中间还会有其他运算等等。

连续比较下优先级的顺序是 not > and > or    中间如果有基本运算的话先进行基本运算在进行比较运算 , 请看题:

1 > 1 or 3 < 4 or 4 > 5 and 2 > 1 and 9 > 8 or 7 < 6

先进行的就是1>1 , 3 < 4 , 4 > 5 , 2 > 1,  9 > 8 ,7 < 6    成立为True  不成立为 False

所以上题就变成了False  or  True  or  False  and  True  and  Ture  or  False

根据 not > and > or的优先级顺序先运算and 在运算or,在and中有一个为False就是输出False跟前后没关系,别管一个两个的方便咱自己记,找到自己能解决问题方式的就是王道 False  and  True 为False  。

在or中,有一个为Ture 的就都是对的,False  or  True  为Ture。False or False 为False。所以最后的结果为 True.。看看第二题吧

not 2 > 1 and 3 < 4 or 4 > 5 and 2 > 1 and 9 > 8 or 7 < 6

结果为False

第二点:and or的逻辑语句前后数值的运算关系,先运算and ,后运算 or 。以 x 和 y 为例 

and 前后的数值关系,当 x 为非零时,取第二个值。 若 y 为 0 时 则输出 0  ,当 x 为 0 时,取 0  。

or  前后的数值关系,当 x 为非零时,直接取x,当x = 0 时,直接取 y

例  (1) 8 or 3 and 4 or 2 and 0 or 9 and 7

(2)0 or 2 and 3 and 4 or 6 and 0 or 3
 

答案    (1)8      (2)4

       第三大点 混合类型的比较,bool < int < float < complex  。当两种不同类型的进行比较时,级别低的会转向级别高的进行比较 ,布尔值得True 得值为1 , False 的值为 0 。

例 6 or 2 > 1 ,       根据优先顺序先算2 > 1 为真 True,所以原题变为 6 or True 就是 6 or 1取6

(1)3 or 2 > 1                                           答案:3

(2)0 or 5 < 4                                            答案:False

(3)5 < 4 or 3                                            答案:3

(4)2 > 1 or 6                                            答案:True

(5)3 and 2 > 1                                          答案:True

(6)0 and 3 > 1                                         答案:0

(7)2 > 1 and 3                                          答案:3

(8)2 > 1 and 3                                            答案:0

 

3 > 1 and 2 or 2 < 3 and 3 and 4 or 3 > 2
a=10
b=15
c=20
d=25
e=30
f=e//c
a-=b
f%=a
print(f>a and c//f or a*e)

最后一道题明天分享答案

内容概要:《2024年中国城市低空经济发展指数报告》由36氪研究院发布,指出低空经济作为新质生产力的代表,已成为中国经济新的增长点。报告从发展环境、资金投入、创新能力、基础支撑和发展成效五个维度构建了综合指数评价体系,评估了全国重点城市的低空经济发展状况。北京和深圳在总指数中名列前茅,分别以91.26和84.53的得分领先,展现出强大的资金投入、创新能力和基础支撑。低空经济主要涉及无人机、eVTOL(电动垂直起降飞行器)和直升机等产品,广泛应用于农业、物流、交通、应急救援等领域。政策支持、市场需求和技术进步共同推动了低空经济的快速发展,预计到2026年市场规模将突破万亿元。 适用人群:对低空经济发展感兴趣的政策制定者、投资者、企业和研究人员。 使用场景及目标:①了解低空经济的定义、分类和发展驱动力;②掌握低空经济的主要应用场景和市场规模预测;③评估各城市在低空经济发展中的表现和潜力;④为政策制定、投资决策和企业发展提供参考依据。 其他说明:报告强调了政策监管、产业生态建设和区域融合错位的重要性,提出了加强法律法规建设、人才储备和基础设施建设等建议。低空经济正加速向网络化、智能化、规模化和集聚化方向发展,各地应找准自身比较优势,实现差异化发展。
数据集一个高质量的医学图像数据集,专门用于脑肿瘤的检测和分类研究以下是关于这个数据集的详细介绍:该数据集包含5249张脑部MRI图像,分为训练集和验证集。每张图像都标注了边界框(Bounding Boxes),并按照脑肿瘤的类型分为四个类别:胶质瘤(Glioma)、脑膜瘤(Meningioma)、无肿瘤(No Tumor)和垂体瘤(Pituitary)。这些图像涵盖了不同的MRI扫描角度,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构,为模型训练提供了丰富多样的数据基础。高质量标注:边界框是通过LabelImg工具手动标注的,标注过程严谨,确保了标注的准确性和可靠性。多角度覆盖:图像从不同的MRI扫描角度拍摄,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构。数据清洗与筛选:数据集在创建过程中经过了彻底的清洗,去除了噪声、错误标注和质量不佳的图像,保证了数据的高质量。该数据集非常适合用于训练和验证深度学习模型,以实现脑肿瘤的检测和分类。它为开发医学图像处理中的计算机视觉应用提供了坚实的基础,能够帮助研究人员和开发人员构建更准确、更可靠的脑肿瘤诊断系统。这个数据集为脑肿瘤检测和分类的研究提供了宝贵的资源,能够帮助研究人员开发出更准确、更高效的诊断工具,从而为脑肿瘤患者的早期诊断和治疗规划提供支持。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值