Python 的 变量

一、变量:

什么是变量?
**#变量名只有在第一次出现才是定义变量(变量名再次出现,不是定义变量,而是直接使用之前**
定义的变量)
变量的定义
在 python 中,每个变量在使用前都必须赋值,变量赋值以后该变量才会被创建
等号(=)用来给变量赋值
=左边是一个变量名
=右边是存储在变量中的值
变量名 = 值
**#变量定义之后,后续就可以直接使用了**

二、变量的命名

标识符和关键字
标识符
标识符就是程序员定义的变量名,函数名
名字需要有见名知义的效果
标识符可以由字母,下划线和数字组成
不能以数字开头
不能与关键字重名

下面的标识符哪些是正确的,哪些不正确为什么?
int32 40XL aving a v i n g printf print
_print this self name 0x40L
bool true big-westos 2hot2ls type
thisIs thisisInt R_U_Ready Int True
if do counter-1 access

关键字
关键字就是在python内部已经使用的标识符
关键字具有特殊的功能和含义
开发者不允许定义和关键字相同的名字的标示符

通过以下命令可以查看python中的关键字
**#import关键字可以导入一个工具包
#在python中不同的工具包,提供有不同的工具**

这里写图片描述

变量的命名规则
命名规则可以被视为一种惯例,别无绝对与强制
目的是为了增加代码的识别和可读性
#注意:python中的标识符是区分大小写的

1.在定义变量时,为了保证代码格式, = 的左右两边该各保留一个空格
2.在python中,如果变量名需要由两个或多个单词组成,可以按照以下方式命名(python中常用)
1.每个单词都使用小写字母
2.单词与单词之间使用_下划线连接
3.例如:first_name,last_name….

这里写图片描述

驼峰命名法:(其他语言常用的命名法)
当变量名是由两个或多个单词组成,还可以利用驼峰命令法来命名
小驼峰命名法
第一个单词以小写字母开始,后续单词的首字母大写
firstName lastName
大驼峰命名法
每一个单词的首字母都采用大写字母
FirstName LastName

可以用其他变量计算结果来定义变量变量定义之后,后续就可以直接使用了

01、需求:
水果的价格是 5。6 元/斤
买了 7 斤橘子
计算付款金额

这里写图片描述

02、需求:
水果的价格是 8.5 元/斤
买了 7.5 斤橘子
计算付款金额
只要买橘子,就返 5 块钱

这里写图片描述

变量名只有在第一次出现的时候才是定义变量
变量名再次出现的时候,是可以直接使用之前的变量

三、变量的类型

在内存中创建一个变量,会包括:

1.变量的名称
2.变量保存的数据
3.变量存储数据的类型

示例:
03、需求:
定义变量保存小明的个人信息
姓名:小明
年龄:18 岁
性别:是男生
身高:1.75 米
体重:75.0 公斤

这里写图片描述

在 python 中定义变量是不需要指定类型(在其他很多高级语言中都需要)
数据类新可以分为数字型和非数字型
数字型
1、整形int

2、长整形long

3、浮点型float

4、复数类型complex

5、布尔类型,输出值为True或False

6、内置强制转换函数类型

非数字型
字符串
列表
元组

使用 type 函数可以查看一个变量的类型,在使用交互式终端时,也可以知道每个变量的准确类型

这里写图片描述
这里写图片描述

四、变量的运算符和表达式

1、算数运算符:+、-、、*、/、%、//

2、关系运算符:>、>=、<、<=、!=、==

3、逻辑运算符:逻辑与and、逻辑或or,逻辑非not

基本的运算符就不在此赘述后面习题我们会应用讲到,上面**表示次方,//是对结果取整

这里写图片描述

在 python 中

字符串之间可以使用 + 拼接生成新的字符串字符串变量可以和整数使用 * 重复拼接相同的字符串

字符串变量和字符串之间不能进行其他计算

五、变量的输入

在 python 中,如果要获取用户在键盘上的输入信息,需要使用 raw_input 函数

关于函数:

一个提前准备好的功能(别人或者自己写的代码),可以直接使用,而不用关心细节

raw_input 函数实现键盘输入

在 python 中可以使用 raw_input 函数从键盘等待用户的输入

用户输入的任何内容 python 都认为是一个字符串

这里写图片描述

为了节约空间,只需要为变量分配空间
起名字方便,不需要为中间变量起名字

六、变量的格式化输出

在 python 中可以使用 print 函数将信息输出到控制台,如果希望输出文字信息的同时,一起输出数据,就需要使用到格式化操作符。

% 被称为格式化操作符,专门用于处理字符串中的格式
包含%的字符串,被称为格式化字符串
% 和不同的字符连用,不同类型的数据需要使用不同的格式化字符,格式化字符串
%s含义字符串
%d 有符号十进制整数,%06d 表示输出的整数显示位数字,不足的地方使用
%f 浮点数,%.02f 表示小数点后只显示两位
0 补全
%%
输出%
语法格式:
print '格式化字符串' % 变量 1
print '格式化字符串' % (变量 1,变量 2...)

这里写图片描述
这里写图片描述

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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