python可以做啥

Posted 2023-04-24

Python实际上是一种编程语言，在许多领域中都有广泛的应用，例如最热门的大数据分析，人工智能，Web开发等。

　　1989年圣诞节，阿姆斯特丹，为了度过无聊的圣诞节，年轻人Guido决定开发一种新的编程语言。 Python(Boa Constrictor)的名字是因为他是Monty Python喜剧小组的粉丝。你看，技术是如此随意...

 

　　Python的语法非常接近英语，样式统一，非常漂亮，并且内置了许多有效的工具。例如，同一作业需要1000行C语言，100行Java和10行Python。

 

　　Python简洁，易于阅读且可扩展。大多数科研机构都使用Python进行研究。卡内基梅隆大学和麻省理工学院的编程课程以Python讲授。许多开源科学计算软件包都提供Python调用接口，例如著名的计算机视觉库OpenCV，三维可视化库VTK和医学图像处理库ITK。还有更多专门用于Python的科学计算扩展库，例如NumPy，SciPy和matplotlib，它们分别提供矩阵计算，科学计算和绘图功能。

参考技术A

用Python可以算n的阶乘，下面是n的阶乘的代码（自带格式）。

def factorial(n):

    result = n

    for i in range(1,n):

        result *= i

    return result

def main():

　　print factorial(4)

if __name__ == '__main__':

　　main()

阶乘介绍：

基斯顿·卡曼（Christian Kramp，1760～1826）于 1808 年发明的运算符号，是数学术语。

一个正整数的阶乘（factorial）是所有小于及等于该数的正整数的积，并且0的阶乘为1。自然数n的阶乘写作n!。1808年，基斯顿·卡曼引进这个表示法。

亦即n!=1×2×3×...×(n-1)×n。阶乘亦可以递归方式定义：0!=1，n!=(n-1)!×n。

参考技术B 1.做网站后台
Python有大量的成熟的框架，如django，flask，bottle，tornado
2.写网络爬虫
Python写爬虫很简单，库很健全
3.科学计算
参加数学建模大赛，完全可以替代r语言和MATLAB
4.数据挖掘
机器学习：Python的机器学习包很多
5.数据科学
最近spark，Hadoop都开了Python的接口，所以使用Python做大数据的mapreduce也非常简单
6.自动化运维
做系统部署，日常维护的脚本 参考技术C #定义一个函数，显示可以使用的功能列表给用户
def showInfo():
print("-"*30)
print(" 学生管理系统 ")
print(" 1.添加学生的信息")
print(" 2.删除学生的信息")
print(" 3.修改学生的信息")
print(" 4.查询学生的信息")
print(" 5.遍历所有学生的信息")
print(" 0.退出系统")
print( '-'*30)

#定义一个列表，用来存储多个学生的信息
students=[]

while True:
#把功能列表进行显示给用户
showInfo()

#提示用户选择功能
#获取用户选择的功能
key = int(input("请选择功能（序号）："))

#根据用户选择，完成相应功能
if key == 1:
print("您选择了添加学生信息功能")
stuName = input("请输入学生姓名：")
stuId = input("请输入学生学号(学号不可重复)：")
stuAge = input("请输入学生年龄:")

#验证学号是否唯一
i = 0
leap = 0
for stu in students:
if stu['stuId'] == stuId:
leap = 1
break
else:
i = i + 1
if leap == 1:
print("输入学生学号重复，添加失败！")
else:
# 定义一个字典，存放单个学生信息
stuInfo =
stuInfo['stuName'] = stuName
stuInfo['stuId'] = stuId
stuInfo['stuAge'] = stuAge

# 单个学生信息放入列表
students.append(stuInfo)
print("添加成功！")

elif key == 2:
print("您选择了删除学生功能")
delId=input("请输入要删除的学生学号:")
#i记录要删除的下标，leap为标志位，如果找到leap=1，否则为0
i = 0
leap = 0
for stu in students:
if stu['stuId'] == delId:
leap = 1
break
else:
i=i+1
if leap == 0:
print("没有此学生学号，删除失败！")
else:
del students[i]
print("删除成功！")

elif key == 3:
print("您选择了修改学生信息功能")
alterId=input("请输入你要修改学生的学号:")
#检测是否有此学号，然后进行修改信息
i = 0
leap = 0
for stu in students:
if stu['stuId'] == alterId:
leap = 1
break
else:
i = i + 1
if leap == 1:
while True:
alterNum=int(input(" 1.修改学号\n 2.修改姓名 \n 3.修改年龄 \n 4.退出修改\n"))
if alterNum == 1:
newId=input("输入更改后的学号:")
#修改后的学号要验证是否唯一
i = 0
leap1 = 0
for stu1 in students:
if stu1['stuId'] == newId:
leap1 = 1
break
else:
i = i + 1
if leap1 == 1:
print("输入学号不可重复，修改失败！")
else:
stu['stuId']=newId
print("学号修改成功")
elif alterNum == 2:
newName=input("输入更改后的姓名:")
stu['stuName'] = newName
print("姓名修改成功")
elif alterNum == 3:
newAge=input("输入更改后的年龄:")
stu['stuAge'] = newAge
print("年龄修改成功")
elif alterNum == 4:
break
else:
print("输入错误请重新输入")
else:
print("没有此学号，修改失败！")
elif key == 4:
print("您选择了查询学生信息功能")
searchID=input("请输入你要查询学生的学号:")
#验证是否有此学号
i = 0
leap = 0
for stu in students:
if stu['stuId'] == searchID:
leap = 1
break
else:
i = i + 1
if leap == 0:
print("没有此学生学号，查询失败！")
else:
print("找到此学生，信息如下：")
print("学号：%s\n姓名：%s\n年龄：%s\n"%(stu['stuId'],stu['stuName'],stu['stuAge']))
elif key == 5:
#遍历并输出所有学生的信息
print('*'*20)
print("接下来进行遍历所有的学生信息...")
print("id 姓名 年龄")
for stu in students:
print("%s %s %s"%(stu['stuId'],stu['stuName'],stu['stuAge']))
print("*"*20)
elif key == 0:
#退出功能，尽量往不退出的方向引
quitconfirm = input("亲，真的要退出么 （yes或者no）??~~(>_< p>
if quitconfirm == 'yes':
print("欢迎使用本系统，谢谢")
break;
else:
print("您输入有误，请重新输入") 参考技术D 它简捷而清晰。设计这门语言的指导思想就是：对于一个特定的问题，只要有一种最好的方法来解决就好了。Python资深开发者Tim Peters曾说：Explicit is better than implicit.（明言胜于暗示。）这句话在Python用户社群中通常简写作EIBTI。Lutz认为这一特色性原则是Python和其他各种编程语言之间最重要的区别。“Python语言是一种清晰的语言”的另一个意思是，它的作者有意的设计限制性很强的语法，使得不好的编程习惯（例如if语句的下一行不向右缩进）都不能通过编译。这样可以强制程序员养成良好的编程习惯。本回答被提问者采纳

python的矩阵可以做啥

python的numpy库提供矩阵运算的功能，因此我们在需要矩阵运算的时候，需要导入numpy的包。
计算矩阵对应行列的最大、最小值、和。
3>>>a1=mat([[1,1],[2,3],[4,2]])
>>> a1
matrix([[1, 1],
[2, 3],
[4, 2]])
计算每一列、行的和
>>>a2=a1.sum(axis=0) #列和，这里得到的是1*2的矩阵
>>> a2
matrix([[7, 6]])
>>>a3=a1.sum(axis=1) #行和，这里得到的是3*1的矩阵
>>> a3
matrix([[2],
[5],
[6]])
>>>a4=sum(a1[1,:]) #计算第一行所有列的和，这里得到的是一个数值
>>> a4
5 #第0行：1+1；第2行：2+3；第3行：4+2
计算最大、最小值和索引
>>>a1.max() #计算a1矩阵中所有元素的最大值,这里得到的结果是一个数值
4
>>>a2=max(a1[:,1]) #计算第二列的最大值，这里得到的是一个1*1的矩阵
>>> a2
matrix([[3]])
>>>a1[1,:].max() #计算第二行的最大值，这里得到的是一个一个数值
3
>>>np.max(a1,0) #计算所有列的最大值，这里使用的是numpy中的max函数
matrix([[4, 3]])
>>>np.max(a1,1) #计算所有行的最大值，这里得到是一个矩阵
matrix([[1],
[3],
[4]])
>>>np.argmax(a1,0) #计算所有列的最大值对应在该列中的索引
matrix([[2, 1]])
>>>np.argmax(a1[1,:]) #计算第二行中最大值对应在该行的索引
1 参考技术A 做运算