Python 文字列連結とフォーマットされた出力の 3 つの方法の紹介
この記事の内容は、Python の文字列結合を整形して出力する 3 つの方法を紹介するものであり、一定の参考価値がありますので、困っている方は参考にしていただければ幸いです。
文字列スプライシングのフォーマットされた出力は、出力する必要がある内容を編集し、それを変数に代入し、最後に画面に出力します。
メソッド 1
name = input('your name:') age = int(input('your age:')) # int() str转int。 job = input('your job:') info = ''' ---------- info of %s --------- Name : %s Age : %d Job : %s ''' % (name,name,age,job) # 此处 % 为连接符,把变量的值连接起来,顺序不能颠倒。 print(info)
Placeholder
%s s=string、ユニバーサル、エラーなし、Python はデフォルトで文字列を出力します。
%d d=数字、整数型。
%f f=float、10 進数、デフォルトでは小数点以下 6 桁が保存されます。小数点以下 6 桁の値は小数点以下 7 位を基準として四捨五入されます。
%.3f、小数点以下 3 桁を保存するように指定します。
方法 2
name = input('your name:') age = int(input('your age:')) # int() str转int。 job = input('your job:') info = ''' ---------- info of {_name} --------- Name : {_name} Age : {_age} Job : {_job} ''' .format(_name=name,_age=age,_job=job) print(info)
方法 3
name = input('your name:') age = int(input('your age:')) # int() str转int。 job = input('your job:') info = ''' ---------- info of {0} --------- Name : {0} Age : {1} Job : {2} ''' .format(name,age,job) print(info)
# #文字列連結形式の出力の場合、方法2と方法3の使用を推奨します 出力を結合するためのプラス記号接続方法もありますが、これは推奨されません プラス記号を追加するたびにメモリ空間が占有され、実行効率が低くなります。
以上がPython 文字列連結とフォーマットされた出力の 3 つの方法の紹介の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このチュートリアルでは、Pythonを使用してZIPFの法則の統計的概念を処理する方法を示し、法律の処理時にPythonの読み取りおよび並べ替えの効率性を示します。 ZIPF分布という用語が何を意味するのか疑問に思うかもしれません。この用語を理解するには、まずZIPFの法律を定義する必要があります。心配しないでください、私は指示を簡素化しようとします。 ZIPFの法則 ZIPFの法則は単に意味します。大きな自然言語のコーパスでは、最も頻繁に発生する単語は、2番目の頻繁な単語のほぼ2倍の頻度で表示されます。 例を見てみましょう。アメリカ英語の茶色のコーパスを見ると、最も頻繁な言葉は「thであることに気付くでしょう。

この記事では、Pythonライブラリである美しいスープを使用してHTMLを解析する方法について説明します。 find()、find_all()、select()、およびget_text()などの一般的な方法は、データ抽出、多様なHTML構造とエラーの処理、および代替案(SEL

ノイズの多い画像を扱うことは、特に携帯電話や低解像度のカメラの写真でよくある問題です。 このチュートリアルでは、OpenCVを使用してPythonの画像フィルタリング手法を調査して、この問題に取り組みます。 画像フィルタリング:強力なツール 画像フィルター

PDFファイルは、クロスプラットフォームの互換性に人気があり、オペレーティングシステム、読み取りデバイス、ソフトウェア間でコンテンツとレイアウトが一貫しています。ただし、Python Plansing Plain Text Filesとは異なり、PDFファイルは、より複雑な構造を持つバイナリファイルであり、フォント、色、画像などの要素を含んでいます。 幸いなことに、Pythonの外部モジュールでPDFファイルを処理することは難しくありません。この記事では、PYPDF2モジュールを使用して、PDFファイルを開き、ページを印刷し、テキストを抽出する方法を示します。 PDFファイルの作成と編集については、私からの別のチュートリアルを参照してください。 準備 コアは、外部モジュールPYPDF2を使用することにあります。まず、PIPを使用してインストールします。 ピップはpです

このチュートリアルでは、Redisキャッシングを活用して、特にDjangoフレームワーク内でPythonアプリケーションのパフォーマンスを向上させる方法を示しています。 Redisのインストール、Django構成、およびパフォーマンスの比較をカバーして、Beneを強調します

この記事では、深い学習のためにTensorflowとPytorchを比較しています。 関連する手順、データの準備、モデルの構築、トレーニング、評価、展開について詳しく説明しています。 特に計算グラップに関して、フレームワーク間の重要な違い

データサイエンスと処理のお気に入りであるPythonは、高性能コンピューティングのための豊富なエコシステムを提供します。ただし、Pythonの並列プログラミングは、独自の課題を提示します。このチュートリアルでは、これらの課題を調査し、グローバルな承認に焦点を当てています

このチュートリアルでは、Python 3にカスタムパイプラインデータ構造を作成し、機能を強化するためにクラスとオペレーターのオーバーロードを活用していることを示しています。 パイプラインの柔軟性は、一連の機能をデータセットに適用する能力にあります。
