Python入門:Python變數和賦值
theme: smartblue
公眾號:尤而小屋
作者:Peter
編輯:Peter
大家好,我是Peter~
今天給大家帶來的是一篇關於Python變數與賦值的文章。
其實Python中的賦值語句我們在之前的學習過程已經接觸了很多,比如a=1,就是將數值1賦值給變數a。
在正式介紹賦值語句之前,我們先了解下Python中的變數問題。
環境
有讀者反映建議Peter寫下文章的環境,這就來了:
- 系統:MacOS
- 工具:jupyter notebook
- Python版本:3.7.5
- 文件編輯器:Typora
變數
深刻理解變數的記憶體地址
變數可以說是一個存放資料的容器。Python中在定義變數的時候,不需要宣告變數。當我們首次為變數賦值的時候,會自動建立變數並指定型別。
變數本身是沒有型別的,只是物件(賦值的資料)有型別
python
a = 66
a
66
python
b = 66
b
66
python
type(a) # 檢視數值型別為整型int
int
python
type(b) # 字串型別
int
我們定義了兩個變數a和b,它們都是數字66。雖然名稱不同,但是在計算機中它們卻代表的是同一個元素,看看他們的記憶體地址。
就好比:豬八戒(數值66)這個人,我們可以稱之為“二師兄”(放在變數a),也可以稱之為“天蓬元帥”(放在變數b),但是本質上他們都是指豬八戒,只是換了個別名,本質相同
python
id(a) # a和b的記憶體地址相同
4387310752
python
id(b)
4387310752
我們再定義一個變數的賦值看看:
python
a = 77
a
77
python
id(a)
4387311104
我們看到,之前我們把數值66賦值給變數a,記憶體地址是4430785696,然後我們又把數值77賦值為變數a,記憶體地址變成了4430786048。
為什麼?其實,這兩數值66和77本質上在計算機就是兩個物件,只不過它們剛好有個相同的名字而已。好比說,西遊記有個情節:真假美猴王
真美猴王(數值66)和假美猴王(數值77)雖然都被稱為猴子(標籤a),但是他們實際上是兩隻不同的猴子呀(分配了不同的地址)~假的最後不還是被如來給收服啦!
建立變數
通過賦值語句來實現變數的建立
```python x = 99 # 數值型 language = "python" # 字串型 number = [1,3,5,7,9] # 列表型
print(x) print(language) print(number) ```
99
python
[1, 3, 5, 7, 9]
變數名稱命名規則
python中變數的命名可以使用短名稱,比如上面的x、y、z、a、b等,也可以使用具有一定描述作用的名稱,比如age、name、sex,其他人看到就可以知道變數的含義。通常Python中的變數命名規則:
- 變數名必須以字母或下劃線字元開頭,不能以數字開頭
- 變數名只能包含字母數字字元和下劃線(A-z、0-9 和 _)
- 變數名稱區分大小寫(name、Name 和 NAME 就是三個不同的變數)
- 變數名不能和Python中的關鍵字衝突(相同),否則無效
下面我們看看Python中常見的賦值方法
賦值語句
常規賦值
賦值:將Python的某個資料物件貼在某個變數上,好像給這個物件貼上了一個標籤。Python 使用等號=作為賦值運算子,具體格式為:
```python name = value
變數 = 某個值
```
python
list1 = ["python","java"] # 列表賦值給變數b
list1
['python', 'java']
python
list2 = [1,2,["python","html"],(1,4,7)] # 巢狀列表
list2
[1, 2, ['python', 'html'], (1, 4, 7)]
python
age = 28 # 數值
age
28
python
information = "xiaoming is a boy" # 字串
information
'xiaoming is a boy'
```python
定義一個變數dic,字典型別
dic = {"name":"xiaoming","age":20,"sex":"fale"} dic ```
{'name': 'xiaoming', 'age': 20, 'sex': 'fale'}
多變數賦值
同時賦值3個變數
python
m, n, o= 22, "xiaoming","男" # 同時賦值3個變數
python
m
22
python
n
'xiaoming'
python
o
'男'
上面的例子表示22賦值給m,字串物件"xiaoming"賦值給n,"男"賦值給變數o
python
name, age = ("Peter",20) # 通過元組形式賦值
python
name
'Peter'
python
age
20
上面的例子通過Python元組的形式進行了鏈式賦值
鏈式賦值
python
x1 = y1 = 33
python
x1
33
python
y1
33
在上面的例子中我們通過鏈式賦值同時定義了兩個變數x1和y1。其實它們在記憶體中就是同一個物件,通過id檢視記憶體地址:
python
id(x1)
4387309696
python
id(y1)
4387309696
其實就是同一個python物件貼上了不同的標籤而已,但是本質相同
變數互換
python
k, j = 9, 5
上面的變數賦值等價於:
python
k=9
j=5
python
print("k =",k)
print("j =",j)
k = 9
j = 5
python
print("id(k): ", id(k))
print("id(j): ", id(j))
id(k): 4387308928
id(j): 4387308800
下面我們交換kj兩個變數的值:
python
k, j = j, k # 變數值的交換
上面語句的含義表示為:將變數j的值(已經賦值了5)再賦值給變數k;將變數的值(已經賦值了9)再賦值給變數j;
python
print("k =",k)
print("j =",j)
k = 5
j = 9
python
print("id(k): ", id(k))
print("id(j): ", id(j))
id(k): 4387308800
id(j): 4387308928
通過對比交換前後兩個變數的記憶體地址,我們發現:記憶體地址交換了,也就是變數已經發生了交換
在其他程式語言中實現變數值的交換的操作是(假設已經定義了兩個變數a和b):
python
temp = a # a賦值中間變數temp
a = b # b的值賦給變數a
b = temp # temp的值賦給變數b
變數的相等和相同
首先,必須宣告的是Python中變數的相等和相同,是不同的兩個概念,舉例子說明
python
number1 = 88
number2 = 88
python
id(number1)
4387311456
python
id(number2)
4387311456
判斷兩個變數是否相等:使用==
python
number1 == number2
True
判斷兩個變數是否相同:使用is
python
number1 is number2
True
結果都是True,說明number1和number2兩個變數就是同一個物件
python
list1 = "hello python"
list2 = "hello python"
python
list1 == list2 # 相等
True
python
list1 is list2 # 不相同
False
上面的結果表明:list1和list2是相等,但是不相同。
python
id(list1)
4444494000
python
id(list2)
4444495024
通過檢視二者的記憶體地址發現:它們的地址真的不同,所以肯定是不相同的兩個物件。
我們再看最後一個情況:
python
number3 = 1000
number4 = 1000
python
number3 == number4 # 相等
True
python
number3 is number4 # 居然不相等啦!
False
我們檢視下二者的記憶體地址,發現它們的地址真的不同,所以肯定不是同一個物件啦~
python
id(number3)
4444408880
python
id(number4)
4444409104
這到底是為什麼呢?以後揭曉~
- 基於機器學習分類演算法的鋼材缺陷檢測分類
- JSON資料,Python搞定!
- 邏輯迴歸:信貸違規預測!
- kaggle實戰-腫瘤資料統計分析
- Pandas操作mysql資料庫!
- 數學公式編輯神器-Mathpix Snipping Tool
- 精選20個Pandas統計函式
- 露一手,利用Python分析房價
- 德國信貸資料建模baseline!
- Python函式傳參機制詳解
- Python爬蟲周遊全國-蘭州站
- 一道Pandas題:3種解法
- 機器學習實戰:基於3大分類模型的中風病人預測
- 利用seaborn繪製柱狀圖
- 機器學習實戰:基於MNIST資料集的二分類問題
- 基於深度學習Keras的深圳租房建模
- 機器學習高頻使用程式碼片段
- Python入門:Python變數和賦值
- 深度學習框架Keras入門保姆教程
- kaggle實戰:極度不均衡的信用卡資料分析