python中单双三引号区别_Python基础语法学习笔记2

Python基础语法学习笔记2

回顾:

在第一堂课,我们学习了的内容有:

Python的功能

Python和其他编程语言的比较

如果要使用Python爬虫需要掌握的技术

print()

print内部使用无引号 单引号 双引号 三引号达到的功能

变量赋值以及变量命名的规范

区别赋值符号和比较运算符

正文:

镜像世界的数据

现实生活:数字,文字,符号

Python世界:数据(int,float,string)

数据类型

最常使用的:字符串(str)整数(int)浮点数(float)

字符串

无论内容是中文、英文、数字或其他,只要是被单双三引号括起来的,就是字符串(str)

整数

整数,整数英文为integer,简写做int。Python世界的整数其实和现实世界数学中定义的一样:是正整数、负整数和零的统称,是没有小数点的数字

无需引号,可直接使用print打印

浮点数

数学意义上的小数,比整数多了一个小数点 (.)

浮点数的英文名是float,与整数(int)和字符串(str)不同,浮点数没有简写

在使用print进行代数运算时,print(0.55+0.3)结果会输出0.8500000000000001

原因是,python在计算浮点数时会先把浮点数转化为二进制,再进行计算,而在这个转化的过程中会存在误差。

Python运算符

字符串的拼接

字符串拼接的方法可简单了,就是利用字符串拼接符号【+】,将需要拼接的变量连在一起就行了。

简单来说直接print(),相拼接什么就+什么就行了

注意:只能将字符串与字符串拼接,有时候会有整数的数字插入,会报错 ,

这时,我们就要引出type()函数。

数据类型的查询

只需要把查询的内容放在type()的括号里里面,如:type(需要查询的数据)

代码输入

who = '我的' action = '是' destination = '镜像世界' number = 153 code = '通行密码'

print(type(who)) print(type(action)) print(type(destination)) print(type(number)) print(type(code))

输出结果:

数据转换

负责转换数据类型的函数一共有3种:str()、 int()和float()

str()

str()函数能将数据转换成其字符串类型,不管这个数据是中文、数字、标点还是火星文,只要放到括号里。这个数据就能摇身一变,成为字符串类型

如:使用前 print(number)

使用后 print(str(number))

数据改成了字符串的类型,可以用 + 来进行数据的拼接

同样的效果:使用单引号,如:print('666' + 字符串)

int()

使用方法:int(转换的内容)

只有符合整数规范的字符串类数据,才能被int()强制转换。

整数形式的字符串比如'6'和'1',可以被int()函数强制转换。

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

小结:

可以转换的有:符合整数规范的字符串类数据,浮点数(取整处理,直接抹去小数部分),

不能转换的有:文字形式,比如中文、火星文或者标点符号

float()

= =貌似没什么需要注意的,使用方法同上

做个总结,本次我们主要学习了对数据的输出的类型以及输出数据的转换,字符串的连接,以及输出时候碰到问题,使用type()查询数据类型的方法。str()int()float()各自的用法可说都一样,但是对有些数据,不能被强制转换,例如文字形式不能被int()转换,一些要注意的细节。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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