python基础(三)

在LangChain中使用DashVector进行高效向量检索 DashVector为需要处理高维向量数据的开发者提供了一种便捷且高效的解决方案。通过将其集成到LangChain生态系统中,您可以轻松实现复杂的语义搜索和数据分析功能。DashVector官方文档LangChain GitHub仓库有关DashVector的详细notebook示例。 阅读详情
# 流程控制语句
# 	简介
# 	python代码在执行的时候是按照自上向下顺序执行的
# 	通过流程控制语句可以改变程序的执行顺序,也可以
# 	让指定的程序反复执行多次。
# 	流程控制语句分成两大类:条件判断语句和循环语句

# 一、条件判断语句,语法if 条件表达式 : 语句
# if执行时先对条件表达式进行求值判断,若为True,
# 执行if后的语句,否则不执行。

# 默认情况下,if只会执行紧随其后的语句,如果希望if
# 可以控制多条语句,可以在if后面加一个代码块。
if False :
	print('hello')
# 代码块:代码块中保存着一组代码,同一个代码块中的
# 代码要么都执行,要么都不执行。如果要编写代码块,
# 语句不能紧随:后面,需要写下一行并严格缩进,代码块
# 以缩进开始,直到新的一行没有缩进结束。
num = 31
# 可以使用逻辑运算符来链接多个条件,满足所有条件
# 需要用and ,只满足一个条件用or
# num > 10 and num < 20 也可以简写10 < num < 20
if num > 10 and num < 20:
	print('num is greater than 10')
	print('the num is ten')
print('nothing')

# 二、input函数
# 该函数用来获取用户的输入,input()调用后,程序会
# 立即暂停,等待用户输入,用户输入完后,点击回车
# 程序才会继续向下执行,输入的值以返回值形式返回,
# input()的返回值是一个字符串。
username = input('请输入用户名')
if username == 'admin' : 
	print('输入的用户名是:' +username)

# 三、if-else
#  if-else语句:
#  语法:
#  if 条件表达式 : 
#      代码块
#  else : 
#      代码块
#  执行流程:if-else语句在执行时,先对if后的条件
#  表达式进行求值判断,若为True,执行if后的代码块,
#  否则执行else后的代码块。
age = int(input('请输入年龄:'))
if age >= 18 : 
    print('the age is greater than 18!')
else : 
	print('the age is less than 18!')

# 四、if-elif-else
# 语法:
# if 条件表达式 :
#     代码块
# elif 条件表达式 :
#     代码块
# elif 条件表达式 : 
#     代码块
# else :
#     代码块
# 执行流程,该语句在执行时,会自上向下一次对条件
# 表达式进行求值判断,如果判断为True,则执行当前
# 条件下的代码块,然后结束流程。若谷所有表达式都为
# False则只执行else中代码块。
age = 22
if age < 10 :
	print('9')
elif 10 < age <20:
	print('14')
elif 20 < age < 30:
	print('22')
else :
	print('33')

# 练习1:判断用户输入的整数是奇数还是偶数?
num = int(input('请输入一个整数:'))
if num % 2 ==0 :
	print(num,'是偶数')
else :
	print(num,'是奇数')

# 练习2:用户输入一个年份,判断是否闰年?
year = int(input('请输入一个年份:'))
if year % 4 ==0 and year % 100 !=0 or year % 400 ==0 :
	print(year,'是闰年')
else :
	print(year,'是平年')

# 练习3:5岁狗的年龄相当于人多大年龄?
dog_age = float(input('请输入狗的年龄:'))
if dog_age > 0 : # 狗的年龄必须大于0
	like_person_age = 0
	if dog_age <=2 :
		like_person_age = dog_age * 10
	else :
		like_person_age = 2 * 10
		like_person_age += (dog_age - 2) * 4

# 五、循环语句
# 循环语句可以使指定的代码块重复指定的次数。
# 循环语句分成两种,while循环和for循环
# while循环语法
# while 条件表达式 :
#     代码块
# 执行流程:该语句在执行时会对while后面的条件
# 表达式进行求值判断,若结果为True,则执行循环体,
# 循环体执行完毕后继续对条件表达式进行判断一次类推,
# 知道判断结果为False,则循环终止。
# 循环表达式三个要件:
# 	1.初始化表达式
# 	2.条件表达式
# 	3.循环体
i = 0
while i < 10:
	i +=1
	print(i,'hello')

# 练习1:求100以为所有奇数的和?
# 方式一
# sum = 0
# num = 0
# while num < 100:
# 	num +=1
# 	if num % 2 != 0 :
# 		sum +=num
# print('sum = ',sum)
# 方式二
num = 1
sum = 0
while num < 100:
	sum +=num
	num += 2
print('sum = ',sum)

# 练习2:求100以内所有7的倍数之和?
num = 7 
sum = 0
while num < 100:
	sum += num
	num += 7

# 练习3:求1000以内三位数的水仙花数
i = 100
while i < 1000:
	a = i // 100 #百位数
	b = i // 10 % 10 #十位数
	c = i % 10 #个位数
	if a**3 + b**3 + c**3 = i : 
		print(i)

# 练习4:获取用户输入任意数判断是否为质数
i = 2
num = int(input('请输入一个数字:'))
flag = True
while  i < num:
	if num % i == 0 :
		flag = False
	i +=1
if flag :
	print(num,'是质数')
else :
	print(num,'不是质数')

# 打印9*9乘法表
i = 0
while i < 9 :
	i += 1
	j = 0
	while j < i:
		j += 1
		print(f"{j} * {i} = {i*j}",end=" ")
	print()

# 求100以内所有质数
i = 2
while i <= 100:
	flag = True
	j = 2
	while j < i:
		if i % j == 0 :
			flag = False
		j += 1
	if flag :
		print(i)
	i += 1

 

【32】软考软件设计师——算法题(一):分治法与动态规划深度精讲|下午第4题常考满分攻略 本文是《软件设计师·50讲通关|从零基础到工程师职称》专栏第32篇,正式开启**模块四:应用技术(下午题)算法大题专项**,聚焦下午第4道高频必考大题核心两大算法:分治法与动态规划。全文超4000字深度拆解两大经典算法的底层核心思想、算法策略识别技巧、递归边界设计、状态转移方程推导,全覆盖代码填空高频考点、时间复杂度分析、经典题型解题套路;配套可直接默写的递归代码模板、DP状态设计范式、真题完整填空案例,彻底解决考生分不清分治与DP、递归边界写错、状态转移推不出、复杂度算不对四大核心痛点。 阅读详情

相关推荐

AI学习记录 - transformer的位置编码的理解

先看三角函数为什么可以,我们看下三角函数的图像先提一个点:位置信息肯定是唯一的,或者是在很长的文字当中,起码重复度不会太高,x轴代表位置,y轴代表叠加上去的值1、假设只使用一个三角函数sin,我们将第2和第14两个位置输入到sin,他们的值很像,在神经网络的训练中,很容易把第2个位置和第14个位置当成是一个位置,不满足我们上面说到的要求位置唯一性。sin2sin14。

weixin_43954090的博客 1412

【Python知识点桂电版】01基本数据类型

注:查看变量类型->type(变量)查看变量地址->id(变量)

qq_61798306的博客 692

实例讲解MOS管电源开关电路的软启动

1、控制电源开关的输入信号 Control 为低电平或高阻时,三极管Q2的基极被拉低到地,为低电平,Q2不导通,进而MOS管Q1的Vgs = 0,MOS管Q1不导通,+5V_OUT 无输出。此时将 Control 设为低电平,三极管Q2关闭,电容C1与G极相连端通过电阻R2放电,电压逐渐上升到5V,起到软关闭的效果。不过从作者的描述来看,只是电路参数有区别,能通过的电流、能承受的耐压等不一样,但是软启动的原理是一样的。从公式可以看出,当电容容量越大,电压越高,时间越短,电流就会越大,从而形成浪涌电流。

U_YAO的博客 2万+

Python基础知识点2

标识符 本质:一个字符串 作用:给变量,类以及函数命名 1、只由字母数字下划线组成 2、不能以数字开头 3、不能是python中的关键字 [‘False’, ‘None’, ‘True’, ‘and’, ‘as’, ‘assert’, ‘async’, ‘await’, ‘break’, ‘class’, ‘continue’, ‘def’, ‘del’, ‘elif’, ‘else’, ‘exc...

humingtian的博客 266

基于CutLSTM-ATT 模型的刀具磨损预测-【一个月之内发一篇中文核心辅导】

基于CutLSTM-ATT 模型的刀具磨损预测-【一个月之内发一篇中文核心辅导】

315

RK3588 MPP,RGA,DRM,QT之RGA

RK3588多路视频采用RGA来进行混合成一帧

dreamliweiming的博客 4265

python如何输入三引号_python三引号如何输入

python三引号如何输入Python中的三引号,3个单引号及3个双引号实际上3个单引号和3个双引号不经常用,但是在某些特殊格式的字符串下却有大用处。通常情况下我们用单引号或者双引号定义一个字符串的时候只能把字符串连在一起写成一行,如果非要写成多行,就得在每一行后面加一个\表示连字符,比如:str1="Listofname:\HuaLi\ChaoDeng"而且即使你这样写也不能得到期望...

weixin_39740272的博客 2820

机器学习之多种算法优缺点总结及优化方法

一、无监督算法: 1、聚类算法:Kmeans 2、关联规则算法:Apriori 二、有监督算法 1、分类算法 决策树(Decision Tree) 支持向量机(SVM) K近邻(kNN,k-NearestNeighbor) 朴素贝叶斯 逻辑回归 2、回归算法 线性回归 多项式回归 3、集成算法 a、bagging(Bootstrapped Aggregation) 随机森林 ...

平原的博客 7081

python三引号怎么打出来_python三引号如何输入

Python中的三引号,3个单引号及3个双引号实际上3个单引号和3个双引号不经常用,但是在某些特殊格式的字符串下却有大用处。通常情况下我们用单引号或者双引号定义一个字符串的时候只能把字符串连在一起写成一行,如果非要写成多行,就得在每一行后面加一个\表示连字符,比如:str1 = "List of name:\Hua Li\Chao Deng"而且即使你这样写也不能得到期望的输出:List of n...

weixin_39635567的博客 3349

【零基础学习CAPL】——CAN报文的发送(CRC——ChecSum值)

本章主要介绍带有CRC值的报文发送一般报文可使用CANoe的IG模块直接发送,但带有CRC值的报文就只能编写脚本进行发送,以下详细讲解在配合Panel面板情况下,如何进行带有循环冗余码的报文进行报文的发送。

LOVE135149的博客 1911

基于AI的智能开发环境—Trae在Web开发中的应用实战与性能评估【Trae项目实战】

Trae 是一款与 AI 深度集成的开发工具,提供智能问答、代码自动补全和基于 Agent 的 AI 自动编程能力,极大提升开发效率。它具备完备的 IDE 功能,如代码编写、项目管理和源代码管理等,同时还具备强大的 AI 助手,能够提供智能问答、实时代码建议、代码片段生成等服务。开发者可以通过自然语言与 AI 协作,从 0 到 1 开发项目,AI 会根据需求自动生成代码或创建文件。

一键难忘的博客 3万+

python三引号解析_三引号 python

Python中单引号、双引号和三引号的区别先说1个双引号与3个双引号的区别,双引号所表示的字符串通常要写成一行如:s1 = "hello,world"如果要写成多行,那么就要使用\ (“连行符”)吧,如s2 = "hello,\world"s2与s1是一样的。如果你用3个双引号的话,就可以直接写了,如下:s3 = """...文章技术小甜2017-11-15822浏览量Python中单引号、双引号...

weixin_39604557的博客 982

Isaac Sim/Lab & ROS2 入门教程 —— 宇树人形机器人 H1 强化学习策略部署

本文介绍了如何通过ROS2和IsaacSim运行H1人形机器人的强化学习运动策略。主要内容包括:1)设置机器人关节配置和初始位置;2)添加IMU传感器;3)配置ROS2节点以发布观测数据和接收动作指令;4)创建模拟环境并发布ROS时钟;5)最终运行ROS2策略实现对机器人的键盘控制。文中详细说明了关节参数设置、传感器配置、ROS2节点创建等关键步骤,并提供了注意事项和验证方法。完成配置后,用户可通过键盘指令控制机器人在平坦地形上的运动。

2506_90492529的博客 2170

python三引号怎么打出来_python三引号怎么打

Python中的三引号,3个单引号及3个双引号实际上3个单引号和3个双引号不经常用,但是在某些特殊格式的字符串下却有大用处。通常情况下我们用单引号或者双引号定义一个字符串的时候只能把字符串连在一起写成一行,如果非要写成多行,就得在每一行后面加一个\表示连字符,比如:str1 = "List of name:\Hua Li\Chao Deng"而且即使你这样写也不能得到期望的输出:List of n...

weixin_39624873的博客 1006

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

python三引号怎么打出来_python的三引号

广告关闭腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元!使用python的三引号字符串,我可以定义包含,反引号或“的字符串,而无需关心它: hello = this string is bounded by tripledouble quotes (3 times ). unescaped newlines in the string a...

weixin_39624716的博客 2932

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

python中θ怎么打_python三引号怎么打

和C语言一样,引号属于特殊功能字符,不能够像普通字符那样直接通过print打印,需要进行一些处理,比如说反斜杠转义等。这里介绍几种打印三引号的方法,希望对需要的朋友有用。工具/原料python3.5方法/步骤1第一中方法比较简单,直接使用三个反斜杠进行转义,也就是:print("\"\"\"");因为\"代表一个引号,那么连续三个\"自然就是三引号了。2第二种啰嗦一点,通过变量打印三引号,通过菜单...

weixin_39863017的博客 2187

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

python三引号注释_Python注释————三引号分析

一、 几种注释简介①中文注释:#coding=utf-8 注意,在文件开头声明中文注释,如果不声明则默认使用ASKII码保存文件②单行注释:#print("这是单行注释")③多行注释:在两个三引号(包括三单引号和三双引号)之间的数据被注释。二、 三引号的几种用途①注释代码:1 '''2 print ("123")3 '''②三引号使一个字符串跨越多行:1 pr...

weixin_39907596的博客 1675

python三引号 内部变量_python在三引号中使用变量

1.定义和运算: 变量名 = 值 定义变量举例: # 定义一个变量 myCar = "比亚迪F0" # 输出一个变量 print(myCar) 变量之间的简单运算举例: price = 2.0 weight = 7.5 money = price * weight print(money) 注:变量名第一次出现的时候,才是定义变量: 再次出现,是使用变量. 2.数据类型: name = "小明" ...

weixin_39678163的博客 5278

python三引号注释_python三引号如何输入

Python中的三引号,3个单引号及3个双引号实际上3个单引号和3个双引号不经常用,但是在某些特殊格式的字符串下却有大用处。通常情况下我们用单引号或者双引号定义一个字符串的时候只能把字符串连在一起写成一行,如果非要写成多行,就得在每一行后面加一个\表示连字符,比如:str1 = "List of name:\Hua Li\Chao Deng"而且即使你这样写也不能得到期望的输出:List of n...

weixin_39748838的博客 1228

Python 三引号 用法 功能

Python 三引号 用法 功能1、多行注释2、输出特定格式字符串 1、多行注释 这个比较好理解,就是多行注释,Python中的注释是用 # ,为避免每一行都加 # ''' 123 456 789 ''' 2、输出特定格式字符串 为了 输出特定格式字符串,可以输出写入的特殊字符。 跨多行、换行符、制表符: >>> a = """aaa # bbbb cccc """ >>> a >>> print(a) 输出: '

dujidan的博客 2988

python怎么输入三引号_python三引号如何输入

python三引号如何输入,注释,字符,引号,单引号,双引号python三引号如何输入易采站长站,站长之家为您整理了python三引号如何输入的相关内容。Python中的三引号,3个单引号及3个双引号实际上3个单引号和3个双引号不经常用,但是在某些特殊格式的字符串下却有大用处。通常情况下我们用单引号或者双引号定义一个字符串的时候只能把字符串连在一起写成一行,如果非要写成多行,就得在每一行后面加一个...

weixin_42631411的博客 7547

python三引号

python 三引号的形式用来输入多行文本,也就是说在三引号之间输入的内容将被原样保留,之中的单号和双引号不用转义,其中的不可见字符比如\n和\t都会被保留,这样的好处是你可以替换一些多行的文本。

u012962122的专栏 798

python三引号怎么换行_python三引号怎么使用

Python中的三引号,3个单引号及3个双引号,通常用来换行书写代码,或者写多行注释。比如:str1="Listofname:HuaLiChaoDeng"而且即使你这样写也不能得到期望的输出:Listofname:HuaLiChaoDeng实际上输出是下面这样的:>>>str1="Listofname:...HuaLi......

weixin_42241165的博客 3108

python 三引号可以包含注释_Python注释————三引号分析

一、 几种注释简介①中文注释:#coding=utf-8 注意,在文件开头声明中文注释,如果不声明则默认使用ASKII码保存文件②单行注释:#print("这是单行注释")③多行注释:在两个三引号(包括三单引号和三双引号)之间的数据被注释。二、 三引号的几种用途①注释代码:1 '''2 print ("123")3 '''②三引号使一个字符串跨越多行:1 pr...

weixin_39762001的博客 2004

python在三引号中使用变量

python在三引号中使用变量 posted on 2017-02-14 14:42 秦瑞It行程实录 阅读(...) 评论(...) 编辑 收藏 var allowComments=true,cb_blogId=156984,cb_e...

weixin_33975951的博客 2804

chatgpt赋能python:Python怎么乘根号三?

本文由chatgpt生成,文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型,只是展现它原本的实力。对于颠覆工作方式的ChatGPT,应该选择拥抱而不是抗拒,未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。

findyi123的博客 915
上一篇: Linux基本操作命令(四)
下一篇: Linux基本操作命令(五)
geek-wmy
博客等级 码龄9年 322粉丝 126原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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