machine-learning-notes
  • 封面
  • 目录
  • 前言
  • 个人前言
  • 机器学习前言
    • 什么是机器学习和模式识别
    • 机器学习的应用
    • 机器学习的流程
    • 不同的机器学习算法对相同数据预测效果不同
    • 快速入门机器学习
    • 机器学习需要参考哪些书
    • 机器学习的学习路径
    • 深度学习的学习路径
    • 互联网机器学习特定岗位所需技能
  • 机器学习面试
  • 数学基础
  • 微积分
    • 泰勒展开
    • e的直观认识
    • 傅里叶变换
    • 希尔伯特空间
  • 线性代数
    • 范数
    • 矩阵求导
    • 特征值
    • 奇异值分解
  • 概率与信息论
    • 综述概率论基本定义
    • 概率论与贝叶斯先验
    • 正态分布
    • 贝叶斯概率
    • 概率符号说明
    • 共轭先验
    • 信息论
  • 数值计算与优化
    • 最小二乘法
    • 等式约束的拉格朗日乘子法
    • 凸优化
      • 凸集和凸函数
      • 凸优化问题
  • 梯度下降算法
    • 随机梯度下降SGD
    • 动量法Momentum
    • 牛顿动量Nesterov
    • AdaGrad
    • RMSprop
    • Adadelta
    • Adam
    • Nadam
    • AMSGrad
    • AdasMax
  • 概率图模型
    • 概率图模型概论
    • 概率图简介
  • 编程基础
  • linux
    • linux常用命令
    • shell
      • 输入输出重定向
  • python
    • python简介
    • python语法
      • 基础语法
      • 数据结构
      • 过程控制
      • 函数
      • 类和对象
      • 文件操作
      • 正则表达式
    • python库
      • numpy
      • pandas
      • scipy
      • matplotlib
      • scikit-learn
    • python应用
      • 排序算法
  • 数据结构与算法
    • 数据结构
    • 算法思想
      • 排序
        • 堆排序
        • 归并排序
        • 快速排序
      • 递归
    • 剑指offer
      • 链表
      • 二叉树
      • 数组
      • 字符串
      • 栈和队列
      • 递归
      • 动态规划
      • 其他
    • leetcode
    • 编程语言
      • c++
  • Hadoop
    • Hadoop简介
    • MapReduce
  • Hive
  • Spark
  • TensorFlow
    • TensorFlow1.0
      • TensorFlow基础
      • TensorFlow基础概念解析
      • TensorFlow机器学习基础
      • Tensorflow分布式架构
    • TensorFlow2.0
  • PyTorch
  • 机器学习
  • 机器学习概论
  • 特征工程
  • 感知机
  • k近邻
  • 朴素贝叶斯
  • 线性模型
    • 最大熵模型
    • 指数族分布与广义线性模型
    • 线性回归
      • Ridge回归(岭回归)
      • Lasso回归
    • Logistic回归-对数几率回归
  • 决策树
  • 支持向量机
    • 线性可分支持向量机与硬间隔最大化
    • 线性支持向量机与软间隔最大化
    • 非线性支持向量机与核函数
    • 序列最小最优化算法SMO
    • SVM总结
  • 集成学习
    • Bagging
      • 随机森林
    • Boosting
      • AdaBoost
      • GradientBoosting
        • GBDT
        • XGBoost
          • XGBoost理论
          • XGBoost实践
    • Stacking
  • 降维
    • PCA主成分分析
    • 流形学习
  • EM算法
  • HMM隐马尔科夫模型
  • CRF条件随机场
  • 聚类
    • k均值聚类
    • 高斯混合模型
  • 主题模型
    • LDA隐狄利克雷分布
  • 知识点
    • 损失函数
    • 负采样
  • 机器学习算法总结
  • 深度学习
  • 深度学习概论
  • ANN人工神经网络
  • 知识点
    • Batch Normalization
  • CNN卷积神经网络
  • 深度学习优化算法
  • RNN循环神经网络
  • LSTM长短期记忆网络
  • GRU门控循环单元
  • GNN图神经网络
    • GNN图神经网络综述
    • GCN图卷积网络
      • GCN图卷积网络初步理解
      • GCN图卷积网络的numpy简单实现
      • GCN图卷积网络本质理解
      • GCN图卷积网络全面理解
      • SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS ICLR2017
  • 神经网络架构搜索
    • Weight-Agnostic-Neural-Networks Google2019
  • 强化学习
  • 强化学习概论
  • 马尔科夫决策过程
  • 动态规划
  • 无模型方法一:蒙特卡洛
  • 无模型方法二:时间差分
  • 无模型方法三:多步自举
  • 函数近似和深度网络
  • 策略梯度算法
  • 深度强化学习
  • 基于模型的强化学习
  • 强化学习前景
  • 自然语言处理
  • 自然语言处理概论
  • 自然语言
  • 语言模型和中文分词
  • word2vec
    • word2vec概述
    • word2vec算法原理
    • word2vec源码分析
    • word2vec实践
  • Seq2Seq模型和Attention机制
  • Self-Attention和Transformer
  • 知识图谱
  • 推荐系统
  • 推荐系统概论
  • 基础知识
  • 进阶知识
    • 机器学习
      • Factorization Machines ICDM2010
    • embedding
      • Network Embedding
        • LINE: Large-scale Information Network Embedding
    • 深度学习
      • DeepFM: A Factorization-Machine based Neural Network for CTR Prediction 2017
      • DSSM: Learning Deep Structured Semantic Models for Web Search using Clickthrough Data CIKM2013
    • 图卷积网络
      • Graph Convolutional Neural Networks for Web-Scale Recommender Systems KDD2018
    • 强化学习
      • DRN基于深度强化学习的新闻推荐模型
  • 业界应用
    • YouTube
      • Deep Neural Networks for YouTube Recommendations RecSys2016
    • Alibaba
      • Learning Tree-based Deep Model for Recommender Systems KDD2018
      • Deep Interest Network for Click-Through Rate Prediction KDD2018
      • DSIN:Deep Session Interest Network for Click-Through Rate Prediction IJCAI2019
Powered by GitBook
On this page
  • 基础语法
  • 第一个python程序
  • 注释
  • 变量类型
  • 查看变量类型
  • 整数的最大最小值
  • 输入输出
  • 格式化符号
  • 类型转换
  • 变量名、命名规则、关键字
  • 运算符

Was this helpful?

  1. python
  2. python语法

基础语法

Previouspython语法Next数据结构

Last updated 5 years ago

Was this helpful?

基础语法

第一个python程序

在开始的搜索框中输入cmd,打开cmd命令窗口,然后输入python,进入python

打印“hello,world!”:

print("hello,world!")

退出python:

exit()

工欲善其事,必先利其器,我们使用pycharm作为我们的开发环境。当然你也可以用spyder(anaconda自带)。

注释

  • 单行注释

    • 以#开头,只注释一行

    • 快捷键ctrl+/

#单行注释,打印hello world
print("hello,world!")
  • 多行注释

    • '''注释内容''',实现多行注释

'''
多行注释,打印hello world
'''
print("hello,world!")

变量类型

比C语言主要多了列表、元组、字典这三种类型。

注意:

  • Boolean类型的True和False首字母要大写。

  • python不需要指定变量类型,其解释器会根据变量值来判断是什么类型。

查看变量类型

name = "zhangsan"
age = 28
print(type(name))
print(type(age))

输出为

<class 'str'>
<class 'int'>

整数的最大最小值

在Python 3中,这个问题不适用。 普通的int类型是无界的。

但是,您实际上可能正在寻找机器的字大小。 这在Python 3中仍然可用,如-sys.maxint - 1。

您可以使用-sys.maxint - 1计算最小值,如下所示。

一旦超过此值,Python就会从普通整数切换为长整数。 所以大多数时候,你不需要知道它。

import sys
max = sys.maxsize  # 9223372036854775807
min = -sys.maxsize -1. # -922337203685477580

输入输出

  • 输入input()

# 输入
name = input("请输入用户名:")
password = input("请输入密码:")
print(name)
print(password)

注意:接收的类型都是默认字符串"str"类型。

  • print输出

    • 直接输出内容

    • 输出单个和多个变量

    • 格式化输出

    • format输出,可免去定义格式

# 直接输出内容
print("luwei,28")
name = "luwei"
age = 28
# 输出单个和多个变量
print(name,age)
# 格式化输出
print("你的名字是:%s"%name)
print("你的年龄是:%d"%age)
print("name:%s,age:%d"%(name,age))#一行输出多个变量
# format输出
print("name:{},age:{}".format(name,age))#可免去定义格式
  • 无换行输出

    • 加end=""

  • 换行输出

    • 加\n

name = "luwei"
age = 28
# 无换行输出,加end=""
print("你的名字是:%s "%name,end="")
print("你的年龄是:%d"%age)
# 换行输出,加\n
print("name:%s\nage:%d"%(name,age))

格式化符号

浮点数精度显示控制

percent = 99.99
print("你战胜了全国%.2f%%的用户"%percent)

在格式化输出的时候%是特殊字符,表示转换说明符,如果想打印普通的%,那么要使用%%来表示。

类型转换

特别的,其中eval()会根据你所需要的数据类型来自动转换。

name = input("请输入姓名:")
age = input("请输入年龄:")
print("name:%s,age:%d"%(name,int(age)))
print("name:%s,age:%d"%(name,eval(age)))

变量名、命名规则、关键字

  • 变量名

    • 区分大小写

    • 字母、数字、下划线组成,但是不能以数字开头

  • 命名规则

    • 见名知意,如name

    • 驼峰命名法,如:类名(UserInfo)、异常名(ValueError)

    • 小写字符+下划线,如变量名(user_name)、函数名(get_name())

  • 关键字

    • 在python内部具有特殊功能的标识符

    • 通过keyword模块的kwlist函数查看

    • import keyword as kw
      print(kw.kwlist)

运算符

  • 算数运算符

    • +,加

    • -,减

    • *,乘

    • /,除

    • %,取余,10%3=1

    • **,幂次方

    • //,取整,返回商的整数部分,10//3=3

  • 比较运算符

    • ==,等于

    • !=,不等于

    • >,大于

    • \<,小于

    • >=,大于等于

    • <=,小于等于

  • 赋值运算符

    • =,赋值运算符

    • +=,自加

    • -=,自减

    • *=,自乘

    • /=,自除

    • %=,自取余

    • **=,自幂次方

    • //=,自取整

  • 逻辑运算

    • and, x and y,与

    • or,x or y,或

    • not,not x,非

运算符的优先级

返回顶层目录
返回上层目录
第一个python程序
注释
变量类型
查看变量类型
整数的最大最小值
输入输出
格式化符号
类型转换
变量名、命名规则、关键字
运算符
cmd_print
cmd_exit
data_type
format_symbol.png
type_convert
operator_prior