【Python操作基础】——变量操作

🍉CSDN小墨&晓末:https://blog.csdn.net/jd1813346972

   个人介绍: 研一|统计学|干货分享
         擅长Python、Matlab、R等主流编程软件
         累计十余项国家级比赛奖项,参与研究经费10w、40w级横向

【Python操作基础】系列——变量操作,建议收藏!


该篇文章帮助实战Python的各种变量操作,包括相关定义方法;不同语言类型;命名规范等。

1 变量的定义和方法

  运行程序:

testBool=True
testInt=20
testFloat=10.6
testStr="ssddd"
testBool,testInt,testFloat,testStr

  运行结果:

(True, 20, 10.6, 'ssddd')

2 Python是动态型语言

  运行程序:

x=10
x="testme"
x

  运行结果:

'testme'

3 Python是强类型语言

  运行程序:

##python中除了int、float、bool、complex之间不能进行数据类型转换
#"3"+2  #报错

3+2   #不报错
3+3.3#不报错
3+(1+3j)#不报错

  运行结果:

5
6.3
(4+3j)

4 Python中变量名是引用

  运行程序:

i=20
i="mysql"
i=30.1 
i

  运行结果:

30.1

5 Python中区分大小写

  运行程序:

i=20
I

  运行结果:

NameError                                 Traceback (most recent call last)
Cell In[1], line 2
      1 i=20
----> 2 I

NameError: name 'I' is not defined

6 变量命名规范

  运行程序:

#1.字母、数字、下划线组成
#2.可以由字母或下划线开头,不能数字开头
#3.要用python中的关键字作为变量名
#2_cc=0  #无效变量
#print=0  #不报错

x=0
print(x)  #报错:重新启动“会话”,删除所有变量

  运行结果:

0

7 iPython中的特殊变量

  运行程序:

x=12+13
x
#In[13]  #iPython编辑器中的特殊变量
_  #临时变量,最近一个out变量

  运行结果:

25

8 查看Python中关键字的方法

  运行程序:

import keyword
keyword.kwlist

  运行结果:

['False',
 'None',
 'True',
 'and',
 'as',
 'assert',
 'async',
 'await',
 'break',
 'class',
 'continue',
 'def',
 'del',
 'elif',
 'else',
 'except',
 'finally',
 'for',
 'from',
 'global',
 'if',
 'import',
 'in',
 'is',
 'lambda',
 'nonlocal',
 'not',
 'or',
 'pass',
 'raise',
 'return',
 'try',
 'while',
 'with',
 'yield']NameError                                 Traceback (most recent call last)
Cell In[1], line 2
      1 i=20
----> 2 I

NameError: name 'I' is not defined

9 查看已定义的所有变量

  运行程序:

dir()

  运行结果:

['In',
 'NamespaceMagics',
 'Out',
 '_',
 '_2',
 '_6',
 '_7',
 '_8',
 '_Jupyter',
 '__',
 '___',
 '__builtin__',
 '__builtins__',
 '__doc__',
 '__loader__',
 '__name__',
 '__package__',
 '__spec__',
 '_dh',
 '_getshapeof',
 '_getsizeof',
 '_i',
 '_i1',
 '_i2',
 '_i3',
 '_i4',
 '_i5',
 '_i6',
 '_i7',
 '_i8',
 '_i9',
 '_ih',
 '_ii',
 '_iii',
 '_nms',
 '_oh',
 'exit',
 'get_ipython',
 'getsizeof',
 'json',
 'keyword',
 'np',
 'quit',
 'var_dic_list',
 'x']

10 删除变量

  运行程序:

i=20
print(i)
del i  #删除变量i

  运行结果:

20
  • 17
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中,可以使用概率论中的随机变量分布来进行统计计算。常见的离散型分布包括二项分布和泊松分布,连续性分布包括正态分布、均匀分布和指数分布等。这些分布可以用来计算概率、期望和方差等统计量。 对于正态分布,可以使用scipy.stats库中的norm模块进行计算。例如,可以使用norm.cdf函数计算小于某个值的概率,使用norm.ppf函数计算给定累积概率时的反函数值。代码示例如下: ``` from scipy.stats import norm # 计算小于40的概率 p1 = norm.cdf(40, loc=50, scale=10) # 计算30到40之间的概率 p2 = norm.cdf(40, loc=50, scale=10) - norm.cdf(30, loc=50, scale=10) # 计算小于2.5的概率 p3 = norm.cdf(2.5, 0, 1) # 计算-1.5到2之间的概率 p4 = norm.cdf(2) - norm.cdf(-1.5) # 计算累计概率为0.025时的反函数值 q1 = norm.ppf(0.025, loc=0, scale=1) # 计算累计概率为0.975时的反函数值 q2 = norm.ppf(0.975, 0, 1) print(p1, p2, p3, p4, q1, q2) ``` 对于计算随机变量的概率分布的均值和方差,可以使用numpy库进行计算。代码示例如下: ``` import numpy as np # 假设有一个数据框df,其中包含了不合格品数和概率 mymean = sum(df['不合格品数'] * df['概率']) # 计算均值 myvar = sum((df['不合格品数'] - mymean) ** 2 * df['概率']) # 计算方差 mystd = np.sqrt(myvar) # 计算标准差 print(mymean, myvar, mystd) ``` 以上是关于Python统计学中随机变量的概率分布的一些基本操作和计算方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Python统计学03——随机变量的概率分布](https://blog.csdn.net/weixin_46277779/article/details/126673517)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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