Python概述、Python对象(变量&常用数值类型)及三大流程控制

本文介绍了Python语言的概述,对比了Python与其他编程语言如C和Java的特点,详细讲解了Python环境如Anaconda的使用,Python对象如变量的定义与赋值,数值类型包括整型、浮点型、复数和布尔值的使用,以及基本的运算符和流程控制语句。

一、Python概述
Python继承了传统编程语言的强大性和通用性,同时也借鉴了简单脚本和解释语言的易用性

C语言难度高,但是十分强大
Java相关代码库愈发庞大,自动内存管理,目前使用范围十分广泛
Python简洁,适合年轻人入门的现代语言

Anaconda是一个开源的包、环境管理器,可以在同一机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换。
Python中的不同环境:

  1. 交互环境
    在这里插入图片描述

  2. 文本环境
    在这里插入图片描述

二、Python对象

  • 变量
  1. 变量是内存中的一块区域,赋值实际上是对象的引用;a=3
  2. 变量命名:由字母、数字、下划线组成,但不能以数字开头
  3. Python 中,变量定义不需要指定类型,当用到变量时,必须给它赋值
  • 常用数值类型
数值类型例子
浮点型float3.1415926,2E-10
整型int不同进制的正整数和负整数都属于整型,10,-10,0x00
长整数long2000000099999999,0xABCDEFEFDCBA;py2有长整型,py3将整数和长整数划为一类
复数complex1+2i,3-8j
布尔值bool大于0为真True / 等于0为假 False
注:1.整数一般以十进制表示,但是python也支持8进制(“0”开始)或者16进制(“0x”或“0X”开始)
		2.整数的范围取决于机器是32位还是64位。但是长整数不是,它取决于虚拟内存的大小

-运算符

  • 算术运算符:+,-,*,** 幂次,/ 除,% 取余,// 取整
versionresult
python2python3
除法 /: 10/3=3除 /:10/3=3.333333
取余%:10%3=1取余%:10%3=1
取整//:10//3=3, 10.0//3=3.33333333333取整//:10//3=3, 10.0//3=3.33333
  • 赋值运算符:=,+=,-=,/=,*=,%=先运算后赋值,
    e.g. >>>a=2,
    >>>a+=2,
    >>>a=4

  • 关系运算符:>,>=,<,<=,!=,,其中是判断等号两端是否相等

  • 逻辑运算符:逻辑与and,逻辑或or,逻辑非not

  • 输入输出操作

  1. 输入Input:
    1).input 与raw_input
    2).inut与getpass
versionresult
python2input默认输入类型为整型
python3input默认输入类型为字符串

在这里插入图片描述
raw_input: python2中接收字符串
python3中删除
getpass:接收密码,输入的信息不可见
在这里插入图片描述
2. 输出Output:
1)print
在这里插入图片描述 当输出类型为浮点型,"%.2f"的意思是输出的浮点型至小数点后两位。

  • 三大流程控制
  1. 顺序
    按照语句顺序执行程序
  2. 分支
    if…:
    执行语句
    else:
    执行语句
    或者
    if…:
    执行语句
    elif…:
    执行语句
    else:
    执行语句
    在这里插入图片描述
  3. 循环
    1.for循环

2.while循环
如果满足while语句后面的条件,就执行while后面的语句,如果不满足,则循环结束

if和while的联系:if满足条件,执行语句;while满足条件,执行语句
区别:if只执行一次语句,while会一直循环,直到条件不满足
跳出循环:
1.continue
遇到continue,本次循环结束,执行结果不输出,会继续循环
2.break
遇到break,循环执行结束,不再执行循环内部的语句,完全跳出循环

边缘计算环境中基于启发式算法的深度神经网络卸载策略(Matlab代码实现)内容概要:本文围绕&ldquo;边缘计算环境中基于启发式算法的深度神经网络卸载策略&rdquo;展开,提出了一种利用启发式算法优化深度神经网络任务在边缘计算环境中的计算卸载方案。通过Matlab代码实现,研究如何将复杂的神经网络任务合理分配到边缘设备与云端,以降低延迟、节省能耗并提高系统效率。文中重点探讨了任务分割、资源调度、通信开销与计算能力之间的权衡,并借助启发式算法(如遗传算法、粒子群优化等)寻找近似最优的卸载决策。该方法适用于资源受限的边缘计算场景,具有较强的工程应用价值。; 适合人群:具备一定编程基础和算法知识,熟悉Matlab工具,从事边缘计算、物联网、人工智能或智能优化方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于解决边缘智能中深度学习任务的高效部署问题;②为移动端或嵌入式设备上的AI应用提供低延迟、低功耗的任务卸载策略;③支撑智慧城市、自动驾驶、工业物联网等实时性要求高的应用场景。; 阅读建议:建议读者结合提供的Matlab代码进行实验复现,深入理解算法实现细节与系统建模过程,同时可尝试替换不同启发式算法或调整网络结构以进一步优化性能。
航拍图像多类别实例分割数据集 一、基础信息 &bull; 数据集名称:航拍图像多类别实例分割数据集 &bull; 图片数量: 训练集:1283张图片 验证集:416张图片 总计:1699张航拍图片 &bull; 训练集:1283张图片 &bull; 验证集:416张图片 &bull; 总计:1699张航拍图片 &bull; 分类类别: 桥梁(Bridge) 田径场(GroundTrackField) 港口(Harbor) 直升机(Helicopter) 大型车辆(LargeVehicle) 环岛(Roundabout) 小型车辆(SmallVehicle) 足球场(Soccerballfield) 游泳池(Swimmingpool) 棒球场(baseballdiamond) 篮球场(basketballcourt) 飞机(plane) 船只(ship) 储罐(storagetank) 网球场(tennis_court) &bull; 桥梁(Bridge) &bull; 田径场(GroundTrackField) &bull; 港口(Harbor) &bull; 直升机(Helicopter) &bull; 大型车辆(LargeVehicle) &bull; 环岛(Roundabout) &bull; 小型车辆(SmallVehicle) &bull; 足球场(Soccerballfield) &bull; 游泳池(Swimmingpool) &bull; 棒球场(baseballdiamond) &bull; 篮球场(basketballcourt) &bull; 飞机(plane) &bull; 船只(ship) &bull; 储罐(storagetank) &bull; 网球场(tennis_court) &bull; 标注格式:YOLO格式,包含实例分割的多边形坐标,适用于实例分割任务。 &bull; 数据格式:航拍图像数据。 二、适用场景 &bull; 航拍图像分析系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割航拍图像中各种物体的AI模型,用于地理信息系统、环境监测等。 &bull; 城市
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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