新普金娱乐网址


专程之总人口

数学笔记17——定积分的应用2(体积)

数学python中数字型和处理工具

  • 十月 07, 2018
  • 数学
  • 没有评论

奥地利符号计算研究所(Research Institute for Symbolic
Computation,简称RISC)的Christoph
Koutschan博士当融洽之页面上颁发了一律首稿子,提到他做了一个调研,参与者大多数凡计算机科学家,他伸手这些科学家投票选出最要紧之算法,以下是这次调查的结果,按照英文名称字母逐一排序。

python中的数字型工具

  python中为重新高级的干活提供成千上万尖端数字编程支持和对象,其中数字型的整工具包括:

  1.平头及浮点型,

  2.复数,

  3.固定精度十上前制数,

  4.有理分数,

  5.集合,

  6.布尔型

  7.无穷的平头精度

  8.各种数字内置函数和模块。

  1. A*
    搜索算法——图形搜索算法,从于定起点到于定终点计算起路径。其中使用了扳平栽启发式的估算,为每个节点估算通过该节点的特等路径,并因之呢顺序地方排定次序。算法为获的次访问这些节点。因此,A*搜索算法是超级优先找的范例。
  2. 集束搜索(又名定向寻找,Beam
    Search)——最佳优先搜索算法的优化。使用启发式函数评估其检查的每个节点的力量。不过,集束搜索只能以每个深度中发觉最前边的m个最符合条件的节点,m是固定数字——集束的涨幅。
  3. 亚分割查找(Binary
    Search)——在线性数组中搜索就定值的算法,每个步骤去丢一半非符合要求的数目。
  4. 旁界定算法(Branch and
    Bound)——在多太优化问题受到查找特定最优化解决方案的算法,特别是针对性离散、组合的极端优化。
  5. Buchberger算法——一种数学算法,可将那视为对单变量最大公约数求解的欧几里得算法和线性系统中高斯消元法的泛化。
  6. 数据压缩——采取一定编码方案,使用重复少之字节数(或是其他消息承载单元)对信息编码的进程,又于来编码。
  7. Diffie-Hellman密钥交换算法——一种加密协议,允许双方以预先未了解对方的状态下,在非安全之通信信道中,共同成立共享密钥。该密钥以后可及一个对称密码并,加密持续报道。
  8. Dijkstra算法——针对没负值权重边的发出于图,计算中的单纯起点最短算法。
  9. 离散微分算法(Discrete differentiation)
  10. 动态规划算法(Dynamic
    Programming)——展示互相覆盖的支行问题及最好优子架构算法
  11. 欧几里得算法(Euclidean
    algorithm)——计算两单整数的最大公约数。最古老的算法有,出现在公元前300面前欧几里得之《几哪里原本》。
  12. 瞩望-最充分算法(Expectation-maximization
    algorithm,又名EM-Training)——在统计测算着,期望-最可怜算法在概率模型中找找可能最老之参数估算值,其中模型依赖让不察觉的私变量。EM在简单只步骤中交替计算,第一步是算期望,利用对藏变量的依存估计价值,计算其无与伦比要命或估计值;第二步是最大化,最大化在首先步上求得的极老可能价值来测算参数的价。
  13. 迅猛傅里叶变换(Fast Fourier
    transform,FFT)——计算离散的傅里叶变换(DFT)及其反转。该算法应用范围非常宽泛,从数字信号处理及解决偏微分方程,到快捷计算大整数乘积。
  14. 梯度下降(Gradient
    descent)——一种数学上的无限优化算法。
  15. 哈希算法(Hashing)
  16. 堆排序(Heaps)
  17. Karatsuba乘法——需要做到上千位整数的乘法的系统被应用,比如计算机代数系统与运气程序库,如果下长乘法,速度太慢。该算法发现被1962年。
  18. LLL算法(Lenstra-Lenstra-Lovasz  lattice
    reduction)——以格规约(lattice)基数为输入,输出短正交向量基数。LLL算法在偏下公共密钥加密方法被生大量采取:背包加密系统(knapsack)、有一定设置的RSA加密等等。
  19. 最好老流量算法(Maximum
    flow)——该算法试图打一个流量网络中找到最酷的流。它优势于定义也找到这么一个流动的值。最充分流动问题可以当更扑朔迷离的网络流问题之特定情景。最可怜流动和网络中之界面有关,这就算是最为深流-最小截定理(Max-flow
    min-cut theorem)。Ford-Fulkerson 能找到一个流网络中的极度特别流动。
  20. 联合排序(Merge Sort)
  21. 牛顿法(Newton’s
    method)——求非线性方程(组)零点的同一栽重点之迭代法。
  22. Q-learning学习算法——这是同等种植通过学习动作值函数(action-value
    function)完成的加重学习算法,函数采取以给定状态的加以动作,并计算起要之功能价值,在随后按照一定的政策。Q-leanring的优势是,在匪需环境模型的景下,可以对照可采纳行动之愿意效用。
  23. 有限次于筛法(Quadratic
    Sieve)——现代整数因子分解算法,在实践中,是眼下早就掌握第二连忙的此类算法(仅次于数域筛法Number
    Field
    Sieve)。对于110各以下的十个整数,它仍是极度抢之,而且都以为它们比较数域筛法更简短。
  24. RANSAC——是“RANdom SAmple
    Consensus”的缩写。该算法根据同样名目繁多观察得到的多少,数据中含有异常值,估算一个数学模型的参数值。其基本假设是:数据包含非异化值,也即是能够透过一些模型参数解释的值,异化值就是那些未符合模型的数据点。
  25. RSA——公钥加密算法。首只适用于为签署作为加密的算法。RSA于电商行业面临以大利用,大家也相信其来足够安全长度的公钥。
  26. Schönhage-Strassen算法——在数学中,Schönhage-Strassen算法是为此来就大整数的乘法的飞速渐近算法。其算法复杂度为:O(N
    log(N) log(log(N))),该算法使用了傅里叶变换。
  27. 单纯型算法(Simplex
    Algorithm)——在数学的优化理论被,单纯型算法是常用之技术,用来找到线性规划问题的数值解。线性规划问题概括于平等组实变量上的如出一辙多样线性不等式组,以及一个等待最大化(或极端小化)的固定线性函数。
  28. 奇异值分解(Singular value
    decomposition,简称SVD)——在线性代数中,SVD是根本的实数或复数矩阵的讲方法,在信号处理同统计中产生多种利用,比如计算矩阵的伪逆矩阵(以求解最小二乘法问题)、解决超定线性系统(overdetermined linear
    systems)、矩阵逼近、数值天气预报等等。
  29. 求解线性方程组(Solving a system of linear
    equations)——线性方程组是数学中最好古老的题材,它们发出许多使,比如当数字信号处理、线性规划被的估量和预测、数值分析中之非线性问题逼近等等。求解线性方程组,可以下高斯—约当消去法(Gauss-Jordan
    elimination),或是柯列斯基说( Cholesky decomposition)。
  30. Strukturtensor算法——应用为模式识别领域,为保有像从找来同种植计算方法,看看该像素是否处于同质区域( homogenous
    region),看看她是否属边缘,还是是一个终端。
  31. 联合查找算法(Union-find)——给一定一组元素,该算法常常用来拿这些元素分为多个分别的、彼此不重合的组。不相交集(disjoint-set)的数据结构可以跟这样的切分方法。合并查找算法可以以这个种数据结构上就两单有效的操作:
    • 摸索:判断有一定元素属于哪个组。
    • 统一:联合或联合两单组为一个组。
  32. 维特比算法(Viterbi
    algorithm)——寻找藏身状态最好有或序列的动态规划算法,这种序列被叫做维特于路径,其结果是一样多级可以洞察到的轩然大波,特别是在隐藏的Markov模型中。

着力数字型

  python中提供了有限种植基本类型:整数(正整数金额负整数)和浮点数(:带有小数部分的数字),其中python中我们可下多进制的平头。并且整数可以就此出无根本精度。

  整数的表现形式以十进制数字字符串写法起,浮点数带一个有点数点或者利用科学计数法e来代表。在python2版本被,整数还分为一般整数(32各)和添加整数(无穷精度),长整数以l结尾。带了python3遭整数就只有发生同等种样式了,具有界限精度。

  当然,在Python中整数还时有发生二进制(0bxxxxxxxx),八进制(0oxxxxxxxx),和十六进制(0x
xxxxxxxx)的样式出现。

  十进制数与其余进制的转换:

s=16
print(bin(s))
print(oct(s))
print(hex(s))

运行结果:
0b10000
0o20
0x10

print('{0:o},{1:x},{2:b}'.format(16,16,16))
print('%o,%x,%X'%(16,16,16))
运行结果:
20,10,10000
20,10,10

  其他进制转化为十进制:

a=int('0b10000',2)
b=int('0o20',8)
c=int('0x10',16)
print(a)
print(b)
print(c)
运行结果:
16
16
16

print(eval('16'))
print(eval('0b10000'))
print(eval('0o20'))
print(eval('0x10'))
运行结果:
16
16
16
16

如上就是Christoph博士对极端要的算法的调查结果,InfoQ的读者们?你们熟悉哪些算法?又产生怎么样算法是你们经常利用的?

python表达式操作符

  表达式是数学符号和操作符号写出来的,下表为python表达式操作符与程序:

操作符 描叙
yield 生成 器函数发送协议
lambda args:expression 生成匿名函数
x if y else z 三元表达式
x or y  逻辑或(存在短路算法)
x and y 逻辑与(存在短路算法)
not x 逻辑非
x in y , x not in y 成员关系
x is y ,x is not y 对象实体測试
x<y,x<=y,x>y,x>=y,x==y,x!=y 比較大小
x|y 位或,集合并集
x^y 位异或,集合对称差
x&y 位与,集合交集
x<<y,x>>y 左移或者右移y位
x+y,x-y 加减法、合并删除
x*y,x%y,x/y,x//y 乘,取余数,除,地板除
-x,+x 一元减法
~x 按位求补(取反)
x**y 幂运算
x[i] 索引,函数调用
x[i:j:k] 分片
x(…) 调用函数
x.attr 调用属性
(…) 元组,表达式,生成器
[…] 列表,列表解析
{…} 字典,集合,集合和字典解析

   
:操作符在python2和python3吃略有不同,python2吃未等于用!=或》<>来代表,在python3挨<>方法吃吊销,不齐就是用!=来表示。

  x<y<z等同于x<y and y<z,

  以python2着得以使用混合类型,在python3蒙比较杂类型大小是会报错的,

python2
a = 1 > 'a'
print a
运行结果:
False

python3
a=1 > 'a'
print(a)
运行结果:
Traceback (most recent call last):
  File "C:/Users/jeff/PycharmProjects/python_file/practice/prac2.py", line 92, in <module>
    a=1 > 'a'
TypeError: unorderable types: int() > str()

  上面的报表也是程序运行的优先级表格,自上而下,优先级更高,当然要想只要转移优先级,要是用括号来做。括号在python数字操作着时时会采用到,他不只强制程序按照卿想只要之逐条运行,同时为多了程序的可读性。

数学 1数学 2

class int(object):
    """
    int(x=0) -> int or long
    int(x, base=10) -> int or long

    Convert a number or string to an integer, or return 0 if no arguments
    are given.  If x is floating point, the conversion truncates towards zero.
    If x is outside the integer range, the function returns a long instead.

    If x is not a number or if base is given, then x must be a string or
    Unicode object representing an integer literal in the given base.  The
    literal can be preceded by '+' or '-' and be surrounded by whitespace.
    The base defaults to 10.  Valid bases are 0 and 2-36.  Base 0 means to
    interpret the base from the string as an integer literal.
    >>> int('0b100', base=0)
    4
    """
    def bit_length(self): 
        """ 返回表示该数字的时占用的最少位数 """
        """
        int.bit_length() -> int

        Number of bits necessary to represent self in binary.
        >>> bin(37)
        '0b100101'
        >>> (37).bit_length()
        6
        """
        return 0

    def conjugate(self, *args, **kwargs): # real signature unknown
        """ 返回该复数的共轭复数 """
        """ Returns self, the complex conjugate of any int. """
        pass

    def __abs__(self):
        """ 返回绝对值 """
        """ x.__abs__() <==> abs(x) """
        pass

    def __add__(self, y):
        """ x.__add__(y) <==> x+y """
        pass

    def __and__(self, y):
        """ x.__and__(y) <==> x&y """
        pass

    def __cmp__(self, y): 
        """ 比较两个数大小 """
        """ x.__cmp__(y) <==> cmp(x,y) """
        pass

    def __coerce__(self, y):
        """ 强制生成一个元组 """ 
        """ x.__coerce__(y) <==> coerce(x, y) """
        pass

    def __divmod__(self, y): 
        """ 相除,得到商和余数组成的元组 """ 
        """ x.__divmod__(y) <==> divmod(x, y) """
        pass

    def __div__(self, y): 
        """ x.__div__(y) <==> x/y """
        pass

    def __float__(self): 
        """ 转换为浮点类型 """ 
        """ x.__float__() <==> float(x) """
        pass

    def __floordiv__(self, y): 
        """ x.__floordiv__(y) <==> x//y """
        pass

    def __format__(self, *args, **kwargs): # real signature unknown
        pass

    def __getattribute__(self, name): 
        """ x.__getattribute__('name') <==> x.name """
        pass

    def __getnewargs__(self, *args, **kwargs): # real signature unknown
        """ 内部调用 __new__方法或创建对象时传入参数使用 """ 
        pass

    def __hash__(self): 
        """如果对象object为哈希表类型,返回对象object的哈希值。哈希值为整数。在字典查找中,哈希值用于快速比较字典的键。两个数值如果相等,则哈希值也相等。"""
        """ x.__hash__() <==> hash(x) """
        pass

    def __hex__(self): 
        """ 返回当前数的 十六进制 表示 """ 
        """ x.__hex__() <==> hex(x) """
        pass

    def __index__(self): 
        """ 用于切片,数字无意义 """
        """ x[y:z] <==> x[y.__index__():z.__index__()] """
        pass

    def __init__(self, x, base=10): # known special case of int.__init__
        """ 构造方法,执行 x = 123 或 x = int(10) 时,自动调用,暂时忽略 """ 
        """
        int(x=0) -> int or long
        int(x, base=10) -> int or long

        Convert a number or string to an integer, or return 0 if no arguments
        are given.  If x is floating point, the conversion truncates towards zero.
        If x is outside the integer range, the function returns a long instead.

        If x is not a number or if base is given, then x must be a string or
        Unicode object representing an integer literal in the given base.  The
        literal can be preceded by '+' or '-' and be surrounded by whitespace.
        The base defaults to 10.  Valid bases are 0 and 2-36.  Base 0 means to
        interpret the base from the string as an integer literal.
        >>> int('0b100', base=0)
        4
        # (copied from class doc)
        """
        pass

    def __int__(self): 
        """ 转换为整数 """ 
        """ x.__int__() <==> int(x) """
        pass

    def __invert__(self): 
        """ x.__invert__() <==> ~x """
        pass

    def __long__(self): 
        """ 转换为长整数 """ 
        """ x.__long__() <==> long(x) """
        pass

    def __lshift__(self, y): 
        """ x.__lshift__(y) <==> x<<y """
        pass

    def __mod__(self, y): 
        """ x.__mod__(y) <==> x%y """
        pass

    def __mul__(self, y): 
        """ x.__mul__(y) <==> x*y """
        pass

    def __neg__(self): 
        """ x.__neg__() <==> -x """
        pass

    @staticmethod # known case of __new__
    def __new__(S, *more): 
        """ T.__new__(S, ...) -> a new object with type S, a subtype of T """
        pass

    def __nonzero__(self): 
        """ x.__nonzero__() <==> x != 0 """
        pass

    def __oct__(self): 
        """ 返回改值的 八进制 表示 """ 
        """ x.__oct__() <==> oct(x) """
        pass

    def __or__(self, y): 
        """ x.__or__(y) <==> x|y """
        pass

    def __pos__(self): 
        """ x.__pos__() <==> +x """
        pass

    def __pow__(self, y, z=None): 
        """ 幂,次方 """ 
        """ x.__pow__(y[, z]) <==> pow(x, y[, z]) """
        pass

    def __radd__(self, y): 
        """ x.__radd__(y) <==> y+x """
        pass

    def __rand__(self, y): 
        """ x.__rand__(y) <==> y&x """
        pass

    def __rdivmod__(self, y): 
        """ x.__rdivmod__(y) <==> divmod(y, x) """
        pass

    def __rdiv__(self, y): 
        """ x.__rdiv__(y) <==> y/x """
        pass

    def __repr__(self): 
        """转化为解释器可读取的形式 """
        """ x.__repr__() <==> repr(x) """
        pass

    def __str__(self): 
        """转换为人阅读的形式,如果没有适于人阅读的解释形式的话,则返回解释器课阅读的形式"""
        """ x.__str__() <==> str(x) """
        pass

    def __rfloordiv__(self, y): 
        """ x.__rfloordiv__(y) <==> y//x """
        pass

    def __rlshift__(self, y): 
        """ x.__rlshift__(y) <==> y<<x """
        pass

    def __rmod__(self, y): 
        """ x.__rmod__(y) <==> y%x """
        pass

    def __rmul__(self, y): 
        """ x.__rmul__(y) <==> y*x """
        pass

    def __ror__(self, y): 
        """ x.__ror__(y) <==> y|x """
        pass

    def __rpow__(self, x, z=None): 
        """ y.__rpow__(x[, z]) <==> pow(x, y[, z]) """
        pass

    def __rrshift__(self, y): 
        """ x.__rrshift__(y) <==> y>>x """
        pass

    def __rshift__(self, y): 
        """ x.__rshift__(y) <==> x>>y """
        pass

    def __rsub__(self, y): 
        """ x.__rsub__(y) <==> y-x """
        pass

    def __rtruediv__(self, y): 
        """ x.__rtruediv__(y) <==> y/x """
        pass

    def __rxor__(self, y): 
        """ x.__rxor__(y) <==> y^x """
        pass

    def __sub__(self, y): 
        """ x.__sub__(y) <==> x-y """
        pass

    def __truediv__(self, y): 
        """ x.__truediv__(y) <==> x/y """
        pass

    def __trunc__(self, *args, **kwargs): 
        """ 返回数值被截取为整形的值,在整形中无意义 """
        pass

    def __xor__(self, y): 
        """ x.__xor__(y) <==> x^y """
        pass

    denominator = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    """ 分母 = 1 """
    """the denominator of a rational number in lowest terms"""

    imag = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    """ 虚数,无意义 """
    """the imaginary part of a complex number"""

    numerator = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    """ 分子 = 数字大小 """
    """the numerator of a rational number in lowest terms"""

    real = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    """ 实属,无意义 """
    """the real part of a complex number"""

int类的放到

错落类型

  这里依的是夹数字型,比如整数和浮点数相加的结果是呀也?

  其实当python中率先将备操作对象转换成为中最复杂的操作对象的类别,然后再次展开相同类别的目标开展数学运算。

print(1+0.2)

运行结果:
1.2

  :除此之外,在python中尚存在运算符重载功能仍‘+’,除了做数字加法运算,在字符串拼接时为适用‘+’。

数字显示格式

  由于部分硬件限制,数字显示有时看起会异常想得到,例如:

在命令行中操作
>>>num = 1 / 3.0
>>>num
0.333333333333333333331
在pycharm中print操作
num = 1/3.0
print(num)
运行结果:
0.3333333333333333

num = 1/3.0
print('{0:4.2f}'.format(num))#4是前面空格格数,2是保留小数位
运行结果:
0.33

  在命令行中显示的形式叫做默认的交互式回显,而print打印的名叫友好式回显,与reper和str的显得是一样的:

>>>num = 1/3.0
>>>repr(num)
0.333333333333333333331
>>>str(num)
0.3333333333333333

除法:传统除法,floor除法,真除法和截断除法

  除法是python2与python3里面充分重大的一个转移。

  一、除法操作符

  python有三三两两栽除法操作符‘x/y’与‘x//y’,其中‘/’在python2蒙受凡民俗除法,即省略浮点数小数部分,然而显示整数,在python3遭遇,除法就是真正除法,即无什么项目且见面保留小数部分;‘//’也给作floor除法,在python3被略小数部分,剩下最小的能够整除的整数部分,操作数如果是浮点数则结果显示浮点数,python2中整数截取整数,浮点数执行保留浮点数。

例:在python2中:

数学 3

在python3中:

数学 4

当python2蒙一经想要利用python3遇之’/’则要调用模块来形成,在python2饱受调用division模块:

 数学 5

  截断除法与floor除法一样都是抱最好相近整数向下取整,这叫以负数时为立竿见影,即-2.5虽然为-3,而非是-2,想要取得实在的截取需要调用math模块:

数学 6

  python还支持复数的乘除:

数学 7还支持compliex(real,imag)来创造复数。

重多复数计算参考模块cmath的参考手册。

位操作

x=1
print(x<<2)
print(x|2)
print(x&2)
print(x^2)
运行结果:
4
3
0
3

  python3中使用bit_length查看二进制位数:

x=99
print(bin(x))
print(x.bit_length())
print(len(bin(x))-2)
运行结果:
0b1100011
7
7

搭数学工具

  math模块

import math
print(math.pi)
print(math.e)
print(math.sin(110))
print(math.sqrt(144))
print(pow(2,3))
print(abs(-50))
print(sum((1,2,3)))
print(max(1,2,3))
print(min(1,2,3))
运行结果:
3.141592653589793
2.718281828459045
-0.044242678085070965
12.0
8
50
6
3
1

  对于截取浮点数的操作发生四种植艺术:

print(math.floor(2.577))
print(math.trunc(2.577))
print(round(2.577))
print(int(2.577))
运行结果:
2
2
3
2

  random模块

  获取随机数

import random
print(random.random())
print(random.randint(1,100))
运行结果:
0.9534845221467178
79

另外数字型介绍

  除了周边的整型与浮点数,还有一对旁较为普遍的数字型。

  一、小数数字

  虽然学习python有一段时间了,但是真尚未最好掌握浮点数与小数的分,其实小数在某种程度上就是是浮点数,只不过他有一定的位数和小数点,在python中有特别的模块导入小数,from
decimal import Decimal。

  浮点数缺乏精确性。

print(0.1+0.1+0.1-0.3)
输出结果:
5.551115123125783e-17

  我想看到此的小兄弟可能就充分了,然后用python解释器试了一下,果然结果就是5.551115123125783e-17虽然很接近0,但是未是0。所以说浮点型本质是短精确性。要规范就用调用from
decimal import Decimal。

from decimal import Decimal
print(Decimal('0.1')+Decimal('0.10')+Decimal('0.10')-Decimal('0.30'))
运行结果:
0.00

  可以扣押出来小数相加也是电动升级为位数最多之。

  注:浮点数数学创建小数对象,由于浮点数本身或就是无确切所以换会产生于多之位数。

from decimal import Decimal
print(Decimal.from_float(1.88))
print(Decimal.from_float(1.25))
输出结果:
1.87999999999999989341858963598497211933135986328125
1.25

  这里只是简短介绍一下小数,更多关于小数在后看罢Python标准库手册后再来总。

  二、分数

  分数路以及小数极为相似,他们还是经过一定小数位数和指定舍入或截取策略控制精度。分数使用Fraction模块导入。

from fractions import Fraction
x=Fraction(1,3)
y=Fraction(2,3)
print(x+y)
输出结果:
1

  注:对于内存给定有限位数无法准确表示的值,浮点数的受制尤为醒目。分数和小数都比浮点数更为纯粹。

  三、集合

   
  集合是无序元素构成,打印时顺序吗是无序的,但是集合中尚无再次的元素,所以我们常常动用集合去重新,尤其是在干数字和数据库的办事吃。

      我们来个别独集合a与b:

      a及b的插花为a.intersection(b)或者a & b。

      a和b的差集为a.difference(b)或者a-b。

      a与b的并集为a.union(b)或者a|b。

   
  反为差集与对称差集(并集减去交集)为a.symmetric_difference(b)或者a^b。

      合并为a.update(b),a.difference_update(b)求差集并赋值给a集合

   
  删除元素可用discard(元素)或者remove(元素),pop()是轻易删除一个素,add插入一个项目。

      注:set是可变数据类型,但是set里面的元素一定是不可变数据类型。

x={'a','c','b'}
y={'a','g','b'}
z={'a'}
print('a' in x)
print(x-y)
print(x|y)
print(x&y)
print(x^y)
print(z<y)

x={'a','c','b'}
y={'a','g','b'}
z={'a'}
print(x.intersection(y))
print(x.union(y))
x.add('s')
print(x)
print(x.pop())
x.update({'w','e','o'})
print(x)
print(x)
运行结果:
{'a', 'b'}
{'c', 'a', 'b', 'g'}
{'a', 'b', 'c', 's'}
a
{'o', 'c', 's', 'w', 'b', 'e'}
{'o', 'c', 's', 'w', 'b', 'e'}

  :在python中{}是空字典,如果想要定义空集合要用set()。

  集合要是长列表等可变类型则会报错。

x={'a','c','b'}
l=[1,2,3]
x.add(l)
print(x)
运行结果:
Traceback (most recent call last):
  File "C:/Users/jeff/PycharmProjects/python_file/practice/prac2.py", line 111, in <module>
    print(x.add(l))
TypeError: unhashable type: 'list'

  正确的长序列方式啊补偿加元组。

x={'a','c','b'}
l=(1,2,3)
x.add(l)
print(x)
运行结果:
{'c', 'b', 'a', (1, 2, 3)}

  定义不可操作的集结使用frozenset定义集合。

  字典解析:

  及列表解析相接近,集合也是可迭代对象,所以可以利用for循环遍历。

x={1,2,3}
print({i ** 2 for i in x})
运行结果:
{1, 9, 4}

  四、布尔值

  python的一个数据类型,有点儿单值Ture 与 False。

print(type(True))
print(True == 1)
print(True is 1)
print(True + 1)
运行结果:
<class 'bool'>
True
False
2

 

  集合和bool值,还是比广泛的类型,在基础学习里吧生关联,在此地虽非多写了。

  python中之数字以先后编制时大使用,今后还见面重新可怜层次之读书python的扩展库。

相关文章

No Comments, Be The First!
近期评论
    分类目录
    功能
    网站地图xml地图