python——变量的引用

1 python基本概念
面试:
python简介?
答:
Python是解释型的语言:Python是在运行时被解释处理。你不需要在执行前编译程序。这类似于Perl和PHP。
Python是交互式的: 实际上,可以在 Python 提示和解释直接交互来编写程序。
Python是面向对象:Python支持面向对象式或编程的对象中封装代码的技术。

python特点?
答:广泛的标准库、交互式模式、可扩展、易于阅读、易于维护;

2 python执行方式
三种:
① 交互模式编程
② 脚本方式运行
  例如:在linux中编写python脚本文件:
#!/bin/python
x=8
print(x)
print("hello")
③ 以程序文件形成存在并执行


3 python变量类型
数值型、字符串、元组、列表、字典等
例如:c、c++和java是强类型的编程语言,一个变量在使用前确定类型,
在程序期间,变量的类型不能改变的;
脚本语言:shell、python、perl、JavaScript弱类型;

python中的数值
Python支持三种不同的数字类型
int (有符号整数)
float (浮点实数值)
complex (复数)
注意:复数由一对有序组成,通过 x + yj 来表示实浮点数, 其中 x 和 y 是实数并且 j 是虚数单位。
在Python3所有整数表示为长整型。因此,没有单独为long的整数类型。
例如:
x=-8
#float
y=8.5
#复数
z=6+7j

python中不同进制常量
#十六进制--0X    ,0x
x1=0Xe3e
#八进制--0o    , 0O
x2=0o60
#二进制--0b    ,0B
x3=0B1011010010


将十进制转换其他进制的函数
#二进制:bin() 八进制:oct() 十六进制:hex()
c1=bin(8)
print(c1)#0b1000
c2=oct(8)
print(c2)#0o10
c2=hex(16)
print(c2)#0x10

3.2 python中字符串
Python允许对单引号或双引号对
#字符串变量
s="abc"
s='abc'

3.3 将多个变量分配给不同的变量
x,y=6,8
print(x,y)


4 python支持运算
4.1 算术运算符
#幂运算
x=8**3#8*8*8
#y得到float类型有小数点值
y=7/3

#取整相除
y2=7//3  #y2返回2


4.2 比较(关系)运算符
x=8==8
print(x)#True
y=False
print(y)

4.3 赋值运算符
x=3
x+=5
print(x)
#//= 地板除
x//=3
print(x)
y=5.2789
y=y//2.954#返回1.0
print(y)

4.4 逻辑运算符
and  or   not
#input函数得到用户输入数据
year=int(input("请输入年份"))
#通过int()函数将参数转换成整数
print(int(3.14))
if(year%400==0 or (year%4==0 and year%100!=0)):
    print("是一个闰年...")

例如:
#if条件表达式或数值
if(not 0):
    print("abc")
print("over")    
    
4.5 位运算符
  &   |   ^    !   ~  <<    >>

4.6 运算符成员
  in  ,not in
       某元素是否在序列中,其中字符串就是序列
例如:
s="掌声"
y="声"
#s是字符串,in表示判断y是否在s中存在
c=y in s
print(c)#True
 
4.7 标识运算符
 is如果操作符两侧是相同的对象,计算结果为true,否则结果为 false
 is not 如果操作符两侧的变量是相同的对象,计算结果为false,否则 true

  • 1
    点赞
  • 0
    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 ]
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