Python 基础语法
一、基本语法
1、变量的构成
变量名:方便查找
变量值:实际要存储的内容
变量类型:限制能存储内容
2、内存模型
堆内存:实际存储区域
栈内存:存储区域(有限的信息,方便查找)
二、变量和数据类型
1、变量和赋值
Python 中的变量用来存储数据。比那里可以理解为去超市购物的购物车,其类型和值在赋值的那一刻被初始化。
2、变量的类型
数值型:
整型:int
浮点型:float
复数:complex
非数值型:
字符串型:str
布尔值型:bool(True、False)
复杂类型:
列表型:list
元祖型:turple
字典型:dict
注:
Python 中使用三重引号包裹的文档字符串。
行与缩进
Python 使用缩进来表示代码块
语句换行
Python 通常是一行写完一条语句,针对过长的语句建议换行,这时可以使用圆括号来实现。
需要注意的是,[ ]、{ } 或 () 中的语句不需要再使用圆括号来换行。
三、标识符和关键字
水果名称:
现实生活中,人们常用一些名称来标记事物。例如,每种水果都有一个名称来标识。
1、标识符
若希望在程序中表示一些事物,开发人员需要自定义一些符号和名称,这些符号和名称叫做标识符。
2、关键字
关键字指的是具有特殊功能的标识符。
3、标识符
为了规范命名标识符,关于标识符的命名提以下建议:
变量命名规则:
字下数,数字不能在首位(字母、下划线、数字)
不能是关键字
驼峰命名法:user_name
四、简单数值类型
1、整型
Python的整型可以表示的范围是有限的,它和系统的最大整型一致,例如,32为计算机的整型是32位的,可以表示的数的范围是-232 ~231-1。64位计算机的整型是64位的,可以表示的数的范围是-263~263-1。
2、浮点型
-浮点型(folat)用于表示实数。
-浮点型的字面值可以用十进制或科学计算法表示
<实数>E 或者 e<整数>
E或e表示10,其后面的整数表示指数。指数的正负使用+或-表示。
Python的浮点型遵循IEEE754双精度标准,每个浮点数占8个字节,能表示的数的范围是 -1.79E+308~+1.79E+308.
3、布尔类型
- 布尔型其实是一种特殊的整型。
- 布尔型数据只有两个取值:True和False,分别对应整型的1 和 0。
- 以下对象的布尔值都是False:
- None
- False(布尔型)
- 0(整型0)
- 0L(长整型0)
- 0.0(浮点型0)
- 0.0+0.0j(复数0)
- " "(空字符串)
- [ ](空列表)
- ( )(空元组)
- { }(空字典)
4、复数类型
复数类型用于表示数学中的复数,比如 5+3j 。
5、数字类型转换:
类型转换的规则:
前提:类型间要能互相转换
转换的内容,要能被接收
五、运算符
1、算术运算符
2、赋值运算符
赋值运算符 只有一个,即=,它的作用是把等号右边的赋值给左边。例如,num=1+2。
3、复合赋值运算符
4、比较运算符
5、逻辑运算符
逻辑运算符:
与:and x and y 表达式 x、y都为True,则结果为 True
或:or x or y 表达式 x、y都为False, 则结果为 False
非:not not x 表达式 x 为True, 结果为False
6、成员运算符
六、位运算
1、按位左移
按位左移是指二进位全部左移n位,高位丢弃,低位补0。
2、按位与
按位与是指参与运算的两个数各对应的二进制进行“与”的操作。只有对应的两个二进制都是1时,结果位就为1,否则结果位为0。
3、按位异或
按位异或是指参与运算的两个数对应的二进制位进行比较,若一个位为1,另一个位为0,则结果位为1,否则结果位为0.
4、按位取反
- 按位取反就是将二进位的每一位进行取反;
- 0取反为1,1取反为0。
小结:
位运算符:
左移:相当于乘以2
右移:相当于除以2
按位与:对两个整数的二进制按位判断,都是1的结果才是1
按位或:对两个整数的二进制按位判断,都是0的结果才是0
按位异或:对两个整数的二进制按位判断,不同为1,相同为0
按位取反:对一个整数的二进制按位取反,符号位会变化
因此结果为取反的值减去最大值+1;可以直接用原数+1,变符号
七、运算符优先级
感谢您的阅读,如果您觉得阅读本文对您有帮助,请点一下“推荐”按钮。本文欢迎各位转载,但是转载文章之后必须在文章页面中给出作者和原文连接。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型,支持深度思考和联网搜索!
· 25岁的心里话
· 基于 Docker 搭建 FRP 内网穿透开源项目(很简单哒)
· ollama系列01:轻松3步本地部署deepseek,普通电脑可用
· 按钮权限的设计及实现