Python3.2 --- Print函数用法

Python3.2 Print函数详解

最新推荐文章于 2025-09-28 23:04:56 发布

原创

最新推荐文章于 2025-09-28 23:04:56 发布 · 8.8w 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#python #import #float #math #hex #list

本文详细介绍了Python3.2中Print函数的使用，包括输出字符串、格式化输出整数和不同进制数、浮点数，以及列表和自动换行的控制。通过实例演示了如何利用print进行有效输出。

1. 输出字符串

>>> strHello = 'Hello World'

>>> print (strHello)

Hello World

2. 格式化输出整数

支持参数格式化，与C语言的printf类似

>>> strHello = "the length of (%s) is %d" %('Hello World',len('Hello World'))

>>> print (strHello)
the length of (Hello World) is 11

3. 格式化输出16进制，十进制，八进制整数

#%x --- hex 十六进制
#%d --- dec 十进制
#%o --- oct 八进制
 
>>> nHex = 0xFF
>>> print("nHex = %x,nDec = %d,nOct = %o" %(nHex,nHex,nHex))
nHex = ff,nDec = 255,nOct = 377

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

zhenzhen_08

关注关注

2
点赞
踩
22

收藏

觉得还不错? 一键收藏
8
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

大模型系列——Llama3.2-Vision本地OCR应用

2401_84052244的博客

03-04

1万+

在本文中，我们将指导你使用 Ollama 的 Llama 3.2-Vision 模型构建自己的 OCR 应用程序，并使用 Python 作为我们的编程语言。光学字符识别 (OCR) 已成为数字化印刷文本和从图像中提取信息的重要工具。随着人工智能的进步，Llama 3.2-Vision 等模型为 OCR 任务提供了强大的功能。在本文中，我们将指导你使用 Ollama 的 Llama 3.2-Vision 模型构建自己的 OCR 应用程序，并使用 Python 作为我们的编程语言。

【DeepSeek 论文精读】13. DeepSeek-V3.2-Exp 技术报告与部署实践

最新发布

AI_zhiyu的博客

09-29

1691

DeepSeek 发布实验性模型 V3.2-Exp，引入DeepSeek稀疏注意力（DSA），显著提升长文本处理效率。本文详细介绍 DeepSeek-V3.2-Exp 技术报告，并提供本地部署方案的技术实现。

8 条评论您还未登录，请先登录后发表或查看评论

python里面print空是干嘛用的-Python 3中print函数的使用方法总结

weixin_37988176的博客

10-29

1440

前言Python 思想："一切都是对象！”，最近发现python3和python2中print的用法有很多不同，python3中需要使用括号，缩进要使用4个空格（这不是必须的，但你最好这么做），缩进表示一个代码块的开始，非缩进表示一个代码的结束。没有明确的大括号、中括号、或者关键字。这意味着空白很重要，而且必须要是一致的。第一个没有缩进的行标记了代码块，意思是指函数，if 语句、 for...

求pi的值

sinat_19547781的专栏

09-03

354

#include #include using namespace std; int main() { int sum=0,b=1; float pi=0,a=1.0,c=1.0; do { sum=sum+1; pi=pi+c; a=a+2.0; b=-b; c=b/a; } while(fabs(c)>

Python学习历程——基础语法（print打印、变量、运算）

蓝桉

09-28

2146

本文介绍了Python基础语法中的print函数用法，适合有Java基础的快速入门。主要内容包括： print函数的基本语法和参数说明（sep间隔符、end结束符、file输出重定向）多种打印方式：单对象、多对象、空行打印格式化输出：f-string、.format()和%格式化高级用法：输出重定向到文件/内存、缓冲控制、调试模板特殊字符处理与数学函数结合使用文章重点演示了print函数的各种参数组合和实际应用场景，如进度条显示、条件打印、调试输出等，并对比了不同格式化方法的差异。

python笔记之运算符

fake_hydra的博客

11-07

294

算数运算符 + - * / % ** * print(5 * 2) / print(5 / 2) % 取余 print(5 % 2) ** 幂 print(5 ** 2) 赋值运算符 num = 10 print(num) == += -= *= /= %= **= num **= 3 # num = num^3 print(num) 结果： 1000 比较运算符运算结果是bo...

python中5/2等于多少,python中的2**2**3

Rtee1的博客

03-19

470

大家好，小编为大家解答python中5/2等于多少的问题。很多人还不知道python中的2**2**3，现在让我们一起来看看吧！

chatgpt赋能python：Python中5/2问题引发的思考

m0_56069948的博客

05-29

948

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。

3.2-python-语言的程序设计-3.2.3输入和输出函数精品课件(1).pptx

07-23

本课件将详细介绍Python中的输入输出函数，特别是input()和print()这两个内置函数。首先，input()函数是一个内置函数，用于从控制台读取用户输入的内容。它总是将用户输入的内容作为字符串来处理，所以用户可以...

Python3.2中Print函数用法实例详解

09-22

以下是关于`print()`函数在Python3.2中的使用方法和实例。 1. **输出字符串** 在Python3.2中，你可以直接将字符串作为参数传递给`print()`函数来输出。例如： ```python strHello = 'Hello World' print...

python自学笔记之7编写函数、print、版本差距

ZSZ_shsf的博客

09-21

811

获取函数名时报错：

Python数据类型及其常用操作

m0_46983541的博客

04-27

2693

Python数据类型及其常用操作一、数值二、字符串三、列表四、元组五、字典六、集合一、数值数值数据类型用于存储数值，数据类型不可改变，改变会分配一个新的对象，在Python中，“与或非”布尔操作使用关键词and/or/not。基本常用操作代码： print(True+False) #输出为1，True默认为1，False为0 print(True or False) #输出True，关键字or执行“或”操作 print(5//2) #输出2，//为取整运算符 print(5%2) #输出1，%为取余运

python开发

bifan546的博客

09-08

412

一、变量变量指在程序执行过程中，可变的量；定义一个变量，就会伴随有3个特征，分别是内存ID、数据类型和变量值。其他语言运行完之前，一定要手动把程序的内存空间释放掉。但python解释器是自带内存回收机制的，一旦python程序运行完后，会自动释放内存空间。 age=10 print(id(age),type(age),age) View Cod

day 3

ZX152811的博客

12-01

807

day 3 1、定义变量 python定义变量的时候，需要先申请内存，内存申请多大需要看数据需要多大，然后将数据保存到内存中在和变量进行关联。重新给变量赋值的时候，会重新申请内存，新的内存的大小由新的数据决定，并释放原来的内存。 2、数学运算符：+、-、*、/、%（取余）、//（整除）、**（幂运算） 2.1、+、-、*、/ 注： python中的加减乘除和小学数学中的加减乘除的功能一样 print(2 + 5) # 7 print(2 - 5) # -3 pri

Python基础知识点总结

m0_59162248的博客

12-06

332

是交互式的语言【可以直接互动执行Python程序】是面向对象的语言是跨平台语言【可以运行在不同的操作系统上】适合初学者二、Python入门 [PyCharm] 1、新建工程 (1)、编写python代码

python 运算符——算数运算符

qq_52788787的博客

03-14

1162

算数运算符： print(1+1)#加法运算 print(4-2)#减法运算 print(2*2)#乘法运算 print(2/4)#除法运算 print(5/2)#除法运算、 print(5/3)#除法运算 print(5//2)#整除运算 print(5%2)#取余运算 print(2**2)#幂运算 print(2**3)#幂运算 print(-5/2)#被除数为正数的除法运算 print(-5//2)#被除数为正数的整除运算 ...

python函数print用法大全_python 中 print 函数用法总结

weixin_33171065的博客

02-03

1644

1. 字符串和数值类型2.变量3.格式化输出4.如何让 print 不换行Python 思想：“一切都是对象！”在 Python 3 中接触的第一个很大的差异就是缩进是作为语法的一部分，这和C++等其他语言确实很不一样，所以要小心，其中python3和python2中print的用法有很多不同，python3中需要使用括号。缩进要使用4个空格(这不是必须的，但你最好这么做)，缩进表示一个代码块的...

python基础日常总结——元组

m0_45972964的博客

03-03

803

定义：由一系列变量组成的不可变的序列容器。【元组的不可变：子元素不可变，子元素内部的子元素可以变，这取决于子元素是否是可变对象】创建空元组：元组名 = () 元组名 = tuple() 创建非空元组：元组名 = (20,) 【元组中如果只有一个元素，一定要添加一个逗号，否则就不是元组】元组名 = (1, 2, 3) 元组名 = 100,200,300 元组名 = tuple(可迭代对象) 【元组里面可以放任何的数据类型。】【元组可以查询、可以循环、可以切片，但不可以修改。..

llama3.2-1B微调训练

07-09

### 微调 Llama3.2-1B 模型的方法和步骤微调 Llama3.2-1B 模型涉及多个关键步骤，包括环境准备、数据预处理、模型配置、训练设置以及最终的评估与部署。以下是一个详细的指南： #### 1. 环境准备在开始微调之前，确保你已经安装了必要的库和工具。推荐使用 Hugging Face 的 `transformers` 和 `peft` 库来进行微调。可以通过以下命令安装这些库： ```bash pip install transformers peft datasets accelerate ``` 此外，还需要准备好 GPU 或 TPU 资源以加速训练过程。 #### 2. 数据预处理数据预处理是微调过程中至关重要的一步。你需要将原始数据转换为适合模型输入的格式。通常情况下，这包括分词、编码以及构建数据集对象。例如，可以使用 `datasets` 库来加载和处理数据： ```python from datasets import load_dataset # 加载数据集 dataset = load_dataset('json', data_files={'train': 'path/to/train.json', 'test': 'path/to/test.json'}) # 分词器初始化 from transformers import AutoTokenizer tokenizer = AutoTokenizer.from_pretrained("meta-llama/Llama-3.2-1B") # 对数据进行分词 def tokenize_function(examples): return tokenizer(examples["text"], padding="max_length", truncation=True) tokenized_datasets = dataset.map(tokenize_function, batched=True) ``` #### 3. 模型配置为了提高效率并减少计算资源的需求，建议使用低秩适配（LoRA）技术进行微调。LoRA 通过引入低秩矩阵来减少微调时的参数量，从而显著降低内存占用和训练时间 [^5]。首先，需要导入 `prepare_model_for_kbit_training` 函数，并启用梯度检查点功能以进一步优化内存使用： ```python from peft import prepare_model_for_kbit_training # 启用梯度检查点 model.gradient_checkpointing_enable() # 准备模型进行 k-bit 量化训练 model = prepare_model_for_kbit_training(model) ``` 接下来，定义 LoRA 配置并应用到模型中： ```python from peft import LoraConfig, get_peft_model # 定义 LoRA 配置 lora_config = LoraConfig( r=8, # 低秩矩阵的秩 lora_alpha=16, // 缩放因子 target_modules=["q_proj", "v_proj"], // 目标模块 lora_dropout=0.1, // Dropout 概率 bias="none", // 是否使用偏置 task_type="CAUSAL_LM" // 任务类型 ) # 应用 LoRA 配置到模型 model = get_peft_model(model, lora_config) ``` #### 4. 训练设置使用 `Trainer` 类来管理训练过程。需要指定训练参数、优化器、学习率调度器等： ```python from transformers import TrainingArguments, Trainer, AdamW, get_linear_schedule_with_warmup # 定义训练参数 training_args = TrainingArguments( output_dir="./results", num_train_epochs=3, per_device_train_batch_size=4, per_device_eval_batch_size=4, warmup_steps=500, weight_decay=0.01, logging_dir="./logs", logging_steps=10, save_steps=1000, evaluation_strategy="epoch" ) # 初始化优化器和学习率调度器 optimizer = AdamW(model.parameters(), lr=5e-5) lr_scheduler = get_linear_schedule_with_warmup(optimizer, num_warmup_steps=500, num_training_steps=len(tokenized_datasets["train"]) * training_args.num_train_epochs) # 初始化 Trainer trainer = Trainer( model=model, args=training_args, train_dataset=tokenized_datasets["train"], eval_dataset=tokenized_datasets["test"], tokenizer=tokenizer, optimizers=(optimizer, lr_scheduler) ) # 开始训练 trainer.train() ``` #### 5. 模型评估与部署训练完成后，可以通过验证集或测试集对模型进行评估。可以使用 `evaluate` 方法来计算损失或其他指标： ```python # 评估模型 eval_results = trainer.evaluate() print(f"Evaluation results: {eval_results}") ``` 如果模型表现良好，可以将其保存以便后续部署或推理： ```python # 保存模型 model.save_pretrained("./fine_tuned_model") tokenizer.save_pretrained("./fine_tuned_model") ``` ###