Python3 From Zero——{最初的意识：003～数字、日期、时间}

一、对数值进行取整:round(value,ndigits)

>>> round(15.5,-1)    #可以取负数

20.0

>>> round(15.5,0)    #当某个值恰好等于两个整数间的一半时，取整操作会取到离该值最近的那个偶数上

16.0

>>> round(16.5,0)    #如上同例

16.0

#float提供17位的精度

二、对小数进行精确计算：decimal模块（规避float天生的精度误差，但效率低，常用于金融领域）

>>> a = 1.1

>>> b = 2.2

>>> a + b

3.3000000000000003

>>> (a + b) == 3.3

False

>>> from decimal import Decimal

>>> a = Decimal('1.1')

>>> b = Decimal('2.2')

>>> a + b

Decimal('3.3')

>>> print(a + b)

3.3

>>> print(float(a + b))

3.3

三、format()格式化输出:{「参数索引或名称」:「填充符」「对齐方式<>^」「width」「数值千分位,」「精度.ndigits」}.format("a", "b", ...)

>>> print("{0:=^20,.1f}, {1:+>20}".format(1000.235, 'haha'))

======1,000.2=======, ++++++++++++++++haha

>>> print("{b:=^20,.1f}, {a:+>20}".format(b=1000.235, a='haha'))

======1,000.2=======, ++++++++++++++++haha

　　'!a' (应用 ascii())，'!s' （应用 str() ）和 '!r' （应用 repr() ）可以在格式化之前转换值

>>> print('{!a}'.format('1.001'))

'1.001'

>>> print('{!r}'.format('1.001'))

'1.001'

>>> print('{!s}'.format('1.001'))

1.001

　　传入一个字典，用中括号( '[]' )访问它的键:

>>> table = {'a': 10,'b': 20}

>>> print('a is {1},b is {0}'.format(*table.values()))

a is 10,b is 20

>>> print('a is {0[a]},b is {0[b]}'.format(table))

a is 10,b is 20

>>> print('a is {a},b is {b}'.format(**table))

a is 10,b is 20

四、进制转换

>>> x = -1234

>>> bin(x)    #十进制转二进制

'-0b10011010010'

>>> oct(x)    #十进制转八进制

'-0o2322'

>>> hex(x)    #十进制转十六进制

'-0x4d2'

>>> int(-0x4d2)    #十六进制转十进制

-1234

五、Python中大部分和数学相关的模块都适用于复数，但Python的标准数学函数默认不能产生数值，若需要产生复数结果，须使用cmath模块

>>> import math

>>> math.sqrt(-1)

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

ValueError: math domain error

>>> import cmath

>>> cmath.sqrt(-1)

1j

六、正负无穷大(inf、-inf)、NaN(not a number，如两个无穷大之间的运算结果)

>>> a = float('inf')

>>> a

inf

>>> b = -a

>>> b

-inf

>>> b / 2

-inf

>>> 2 / b

-0.0

>>> a + b

nan

>>> a * b

-inf

注1：运算结果根据使用环境判断，inf、-inf具备传染性

注2：nan会通过所有的操作进行传播，且不会引发任何异常

注3：对两个nan进行逻辑比较的结果是False，唯一安全检测nan的方法是math.isnan()

七、处理分数：fractions模块

#允许用户以分数的形式输入，免去了用户手动将数据转换为float或Decimal对象的麻烦，提升用户体验

from fractions import Fraction

>>> a = Fraction(2, 3)

>>> b = Fraction(4, 5)

>>> a

Fraction(2, 3)

>>> b

Fraction(4, 5)

>>> a < b

True

>>> a + b

Fraction(22, 15)

>>> a * b

>>> float(a)    #分数转化为浮点数

0.6666666666666666

>>> a.numerator    #取分子

2

>>> a.denominator    #取分母

3

八、大型数组计算：NumPy模块

　　#NumPy为Python提供了数组对象，比标准Python中的列表有着更好的性能表现，更加适用于数学计算，底层实现上，NumPy采用和C相同的内存分配方式，即大块的连续内存，其效率通常比math模块中的函数快100倍左右

　　NumPy中的数组在进行标量运算时是针对逐个元素进行计算的：

>>> import numpy as np    #惯例写为np

>>> ax = np.array([1, 2, 3, 4])

>>> ay = np.array([10, 12, 13, 14])

>>> ax * 2

array([2, 4, 6, 8])

>>> ax / 2

array([ 0.5,  1. ,  1.5,  2. ])

>>> ax * ay

array([10, 24, 39, 56])

>>> ax - ay

array([ -9, -10, -10, -10])

　　NumPy中提供了一些“通用函数”集合，可用于math模块中对应函数的替代：

>>> math.sqrt(4)

2.0

>>> np.sqrt(4)    #效率更高

2.0

>>> np.sqrt(ay)    #math.sqrt()不能计算数组对象

array([ 3.16227766,  3.46410162,  3.60555128,  3.74165739])

>>> np.sin(ax)

array([ 0.84147098,  0.90929743,  0.14112001, -0.7568025 ])

　　NumPy扩展了Python列表的索引功能(尤其是多维数组方面)：

>>> az = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]])

>>> az

array([[ 1,  2,  3,  4],

       [ 5,  6,  7,  8],

       [ 9, 10, 11, 12],

       [13, 14, 15, 16]])

>>> az[0:2,2:4]

array([[3, 4],

       [7, 8]])

>>> az[0:2,:]

array([[1, 2, 3, 4],

       [5, 6, 7, 8]])

>>> az[0:2]

array([[1, 2, 3, 4],

       [5, 6, 7, 8]])

>>> az[:,1:3]    #取第2、3两列

array([[ 2,  3],

       [ 6,  7],

       [10, 11],

       [14, 15]])

>>> az[,1:3]    #只取列的时候，行部分不能留空！

  File "<stdin>", line 1

    az[,1:3]

       ^

SyntaxError: invalid syntax

　　条件替换（逻辑类似于列表推导式）：

>>> np.where(az>10, 100, 99)

array([[ 99,  99,  99,  99],

       [ 99,  99,  99,  99],

       [ 99,  99, 100, 100],

       [100, 100, 100, 100]])

>>> np.where(az>10, az, 99)

array([[99, 99, 99, 99],

       [99, 99, 99, 99],

       [99, 99, 11, 12],

       [13, 14, 15, 16]])

九、矩阵与线性代数计算：numpy.matrix

>>> type(mz)

<class 'numpy.matrixlib.defmatrix.matrix'>

>>> mz

matrix([[ 1,  2,  3,  4],

        [ 5,  6,  7,  8],

        [ 9, 10, 11, 12],

        [13, 14, 15, 16]])

>>> mz.T    #矩阵行列转置

matrix([[ 1,  5,  9, 13],

        [ 2,  6, 10, 14],

        [ 3,  7, 11, 15],

        [ 4,  8, 12, 16]])

十、随机选择:random模块（可用于均匀分布、正态分布、高斯分布等概率分布计算，不可用于加密，加密可用ssl模块）

　　从队列中随机选取N个元素：

>>> b

[1, 2, 3, 4, 8, 9]

>>> random.sample(b, 1)

[2]

>>> random.sample(b, 1)

[3]

>>> random.sample(b, 3)

[3, 2, 8]

>>> random.sample(b, 3)

[4, 9, 2]

　　原地打乱元素的顺序：

>>> o

[6, 3, 2, 4, 5, 7, 1]

>>> random.shuffle(o)

>>> o

[1, 3, 5, 7, 6, 2, 4]

　　产生随机整数：

>>> random.randint(-100,10)

-80

>>> random.randint(-100,10)

5

　　产生0-1之间的随机浮点数：

>>> random.random()

0.08408738274480865

>>> random.random()

0.3307587395045867

　　由N个随机bits所表示的整数（即N位随机二进制数字所表示的int）：

>>> random.getrandbits(10)

932

>>> random.getrandbits(10)

684

>>> random.getrandbits(100)

449049712738822352045673826991

>>> random.getrandbits(100)

838121576315938044329535728101

十一、显示当天的日期

>>> from datetime import datetime

>>> datetime.today()

datetime.datetime(2016, 8, 11, 13, 8, 2, 369594)

巴特西

Python3 From Zero——{最初的意识：003～数字、日期、时间}

最新文章

热门文章