第二部分 认识数据

数字，文字，符号.......

一、字符串（str）

name = '张三'
field = '经济学'
print(name + '在西华大学就读' + field + '专业' )

number = "666"
symbol = '''&@#￥A!@'''
mixture = 'sadda===666&@#￥A!@'
print(number)
print(symbol)
print(mixture)

二、整数（int）

a = 10
b = -60
c = 6841
d = 0
print(a)
print(b)
print(c)
print(d)

print(6真实)

print('6')

三、浮点数（float）

a = 1.0
b = 3.14159
c = -0.33
print(a)
print(b)
print(c)

print(0.55+0.3)

round(0.85, 1)

round(1.25361,3)

print(round(1.5, 0))
print(round(2.5, 0))

a = 1627731
print(round(a, -1))

print(round(a, -2))

print(round(a, -3))

x = 1.23456
print(format(x, '0.2f'))

print(format(x, '0.3f'))

'value is {:0.3f}'.format(x)

a = 2.1
b = 4.2
c = a + b
c

c = round(c, 2) 
c

a = 4.2
b = 2.1
a + b

(a + b) == 6.3

from decimal import Decimal
a = Decimal('4.2')
b = Decimal('2.1')
print(a + b)

(a + b) == Decimal('6.3')

from decimal import localcontext
a = Decimal('1.3')
b = Decimal('1.7')
print(a / b)

with localcontext() as ctx:
    ctx.prec = 3
    print(a / b)

with localcontext() as ctx:
    ctx.prec = 50
    print(a / b)

• 以下是 Python 中支持的几种常见的舍入模式，定义在 decimal 模块中的常量中：

1. ROUND_CEILING：向正无穷方向舍入。
2. ROUND_FLOOR：向负无穷方向舍入。
3. ROUND_DOWN：舍去小数部分（即向 0 方向舍入）。
4. ROUND_UP：小数部分不为 0 时，向远离 0 的方向舍入。
5. ROUND_HALF_UP：四舍五入（>=0.5 向上，<0.5 向下）。
6. ROUND_HALF_DOWN：五舍六入（>0.5 向上，<=0.5 向下）。
7. ROUND_HALF_EVEN：银行家舍入法（当小数部分为 0.5 时，向最接近的偶数舍入）。
8. ROUND_05UP：如果小数部分是 0 或 0.5，向上舍入。

from decimal import  ROUND_HALF_UP, ROUND_DOWN
with localcontext() as ctx:
    ctx.prec = 3
    ctx.rounding = ROUND_DOWN
    print(a / b)

四、二八十六进制

x = 1234
print(bin(x))
print(oct(x))
print(hex(x))

print(format(x, 'b'))
print(format(x, 'o'))
print(format(x, 'x'))

x = 0x4d2
print(x)

int('4d2', 16)

int('10011010010', 2)

int('2322', 8)

五、数据运算

print(2+1)
print(2-1)
print(2*2)
print(6/3)
print(5%2)
print(5//2)
print(2*2)

• 分数计算

from fractions import Fraction
a = Fraction(5, 4)
b = Fraction(7, 16)
print(a + b)
print(a * b)

c = a * b
print(c.numerator)
print(c.denominator)

float(c)

print(c.limit_denominator(8))  #分母不超过8  最接近的

x = 3.75
y = Fraction(*x.as_integer_ratio())
y

• 大型数组运算

1. NumPy 是Python领域中很多科学与工程库的基础
2. 一个数组对象，相比标准的Python列表而已更适合用来做数学运算
3. 网址是： http://www.numpy.org

x = [1, 2, 3, 4]
y = [5, 6, 7, 8]
print(x * 2)
# print(x + 10)
print(x + y)
x[0] = 2
print(x)

import numpy as np
ax = np.array([1, 2, 3, 4])
ay = np.array([5, 6, 7, 8])
print(ax * 2)
print(ax + 10)
print(ax + ay)
print(ax * ay)

import numpy as np

# 将列表转换为 NumPy 数组
x = [1, 2, 3, 4]
arr = np.array(x)

def f(x):
    return 3*x**2 - 2*x + 7

f(ax)

print(np.sqrt(ax))
print(np.cos(ax))

• NumPy 数组使用了C或者Fortran语言的机制分配内存。
• 它们是一个非常大的连续的并由同类型数据组成的内存区域。
• 所以，你可以构造一个比普通Python列表大的多的数组。

grid = np.zeros(shape=(10000,10000), dtype=float)
grid

grid += 10
grid

np.sin(grid)

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
a

a[1]

a[:,1]

a[1:3, 1:3]

a[1:3, 1:3] += 10
a

a + [100, 101, 102, 103]

a

np.where(a < 10, a, 10)

• 矩阵

import numpy as np
m = np.matrix([[1,-2,3],[0,4,5],[7,8,-9]])
m

m.T

m.I

v = np.matrix([[2],[3],[4]])
v

m * v

import numpy.linalg
# 行列式
numpy.linalg.det(m)

# 特征值
numpy.linalg.eigvals(m)

x = numpy.linalg.solve(m, v)  #用于解线性方程组 𝐴𝑥=𝑏 
x

print(m * x)
print(v)

• 字符串的运算

name = '张三'
action = '是'
organization = '西华大学'
ID = '2023级'
identity = '学生'



print(name+action+organization+ID+identity)

name = '张三'
action = '是'
organization = '西华大学'
ID = '2023级'
identity = '学生'
xh = '学号'
num = 20230013491


print(name+action+organization+ID+identity+xh+action+num)

name = '张三'
action = '是'
organization = '西华大学'
ID = '2023级'
identity = '学生'
xh = '学号'
num = 20230013491


print(type(name))
print(type(num))

str()
int()
float()

name = '张三'
action = '是'
organization = '西华大学'
ID = '2023级'
identity = '学生'
xh = '学号'
num = 20230013491


print(name+action+organization+ID+identity+xh+action+str(num))

number1 = '6'
number2 = '1'
print(int(number1)+int(number2))  # 只有符合整数规范的字符串类数据，才能被int()强制转换

print(int('3.8'))  

print(int(3.8)) # 虽然浮点形式的字符串，不能使用int()函数。但浮点数是可以被int()函数强制转换的

cell（）向上取整
int（）向下取整
round（）四舍五入

height = '188.0'
weight = 180
age = '89'
print(type(height))
print(float(height))
print(float(weight))
print(float(age))

print(0.25+0.25-0.4)

• 随机

import random
values = [1, 2, 3, 4, 5, 6]
random.choice(values)

random.sample(values, 2)

random.shuffle(values)
values

random.randint(0,10)

random.random()

• 有多随机？

random.seed(12345) 
random.random()

六、无穷大与NaN

a = float('inf')
b = float('-inf')
c = float('nan')
print(a)
print(b)
print(c)

import math
math.isinf(a)

math.isinf(b)

math.isnan(c)

a = float('inf')
print(a + 45)
print(a * 10)
print(10 / a)

a = float('inf')
print(a/a)
b = float('-inf')
print(a + b)

c = float('nan')
print(c + 23)
print(c / 2)
print(c * 2)
print(math.sqrt(c))

c = float('nan')
d = float('nan')
print(c == d)
c is d

#测试一个NaN值得唯一安全的方法就是使用 math.isnan()