Python中内置常量的深入理解
这篇文章主要跟大家介绍了关于Python中内置常量的相关资料,文中介绍的非常详细,对大家具有一定的参考学习价值,需要的朋友们下面来一起看吧。
前言
大家都知道Python内置的常量不多,只有6个,分别是True、False、None、NotImplemented、Ellipsis、debug。下面就来看看详细的介绍:
一. True
1. True是bool类型用来表示真值的常量。
>>> True True >>> type(True) <class 'bool'>
2. 对常量True进行任何赋值操作都会抛出语法错误。
>>> True = 1 SyntaxError: can't assign to keyword
二. False
1. False是bool类型用来表示假值的常量。
>>> False False >>> type(False) <class 'bool'>
2. 对常量False进行任何赋值操作都会抛出语法错误。
>>> False = 0 SyntaxError: can't assign to keyword
三. None
1. None表示无,它是NoneType的唯一值。
>>> None #表示无,没有内容输出 >>> type(None) <class 'NoneType'>
2. 对常量None进行任何赋值操作都会抛出语法错误。
>>> None = 2 SyntaxError: can't assign to keyword
3. 对于函数,如果没有return语句,即相当于返回None。
>>> def sayHello(): #定义函数 print('Hello') >>> sayHello() Hello >>> result = sayHello() Hello >>> result >>> type(result) <class 'NoneType'>
四. NotImplemented
1. NotImplemented是NotImplementedType类型的常量。
>>> NotImplemented NotImplemented >>> type(NotImplemented) <class 'NotImplementedType'>
2. 使用bool()函数进行测试可以发现,NotImplemented是一个真值。
>>> bool(NotImplemented) True
3. NotImplemented不是一个绝对意义上的常量,因为他可以被赋值却不会抛出语法错误,我们也不应该去对其赋值,否则会影响程序的执行结果。
>>> bool(NotImplemented) True >>> NotImplemented = False >>> >>> bool(NotImplemented) False
4. NotImplemented多用于一些二元特殊方法(比如eq、lt等)中做为返回值,表明没有实现方法,而Python在结果返回NotImplemented时会聪明的交换二个参数进行另外的尝试。
>>> class A(object): def init(self,name,value): self.name = name self.value = value def eq(self,other): print('self:',self.name,self.value) print('other:',other.name,other.value) return self.value == other.value #判断2个对象的value值是否相等 >>> a1 = A('Tom',1) >>> a2 = A('Jay',1) >>> a1 == a2 self: Tom 1 other: Jay 1 True
>>> class A(object): def init(self,name,value): self.name = name self.value = value def eq(self,other): print('self:',self.name,self.value) print('other:',other.name,other.value) return NotImplemented >>> a1 = A('Tom',1) >>> a2 = A('Jay',1) >>> a1 == a2 self: Tom 1 other: Jay 1 self: Jay 1 other: Tom 1 False
当执行a1==a2(即调用eq(a1,a2)),返回NotImplemented时,Python会自动交换参数再次调用eq(a2,a1)。
五. Ellipsis
1. Ellipsis是ellipsis类型的常量,它和…是等价的。
>>> Ellipsis Ellipsis >>> type(Ellipsis) <class 'ellipsis'> >>> ... Ellipsis >>> ... == Ellipsis True
2. 使用bool()函数进行测试可以发现,Ellipsis是一个真值。
>>> bool(Ellipsis) True
3. Ellipsis不是一个绝对意义上的常量,因为他可以被赋值却不会抛出语法错误,我们也不应该去对其赋值,否则会影响程序的执行结果。
>>> bool(Ellipsis) True >>> Ellipsis = False >>> bool(Ellipsis) False
4. Ellipsis多用于表示循环的数据结构。
>>> a = [1,2,3,4] >>> a.append(a) >>> a [1, 2, 3, 4, [...]] >>> a [1, 2, 3, 4, [...]] >>> len(a) >>> a[4] [1, 2, 3, 4, [...]] >>>
六. debug
1. debug是一个bool类型的常量。
>>> debug True >>> type(debug) <class 'bool'>
2. 对常量debug进行任何赋值操作都会抛出语法错误。
>>> debug = False SyntaxError: assignment to keyword
3. 如果Python没有使用-O选项启动,此常量是真值,否则是假值。
总结
以上是Python中内置常量的深入理解的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

PHP和Python各有优劣,选择取决于项目需求和个人偏好。1.PHP适合快速开发和维护大型Web应用。2.Python在数据科学和机器学习领域占据主导地位。

Python和JavaScript在社区、库和资源方面的对比各有优劣。1)Python社区友好,适合初学者,但前端开发资源不如JavaScript丰富。2)Python在数据科学和机器学习库方面强大,JavaScript则在前端开发库和框架上更胜一筹。3)两者的学习资源都丰富,但Python适合从官方文档开始,JavaScript则以MDNWebDocs为佳。选择应基于项目需求和个人兴趣。

在CentOS系统上启用PyTorchGPU加速,需要安装CUDA、cuDNN以及PyTorch的GPU版本。以下步骤将引导您完成这一过程:CUDA和cuDNN安装确定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA显卡支持的CUDA版本。例如,您的MX450显卡可能支持CUDA11.1或更高版本。下载并安装CUDAToolkit:访问NVIDIACUDAToolkit官网,根据您显卡支持的最高CUDA版本下载并安装相应的版本。安装cuDNN库:前

Docker利用Linux内核特性,提供高效、隔离的应用运行环境。其工作原理如下:1. 镜像作为只读模板,包含运行应用所需的一切;2. 联合文件系统(UnionFS)层叠多个文件系统,只存储差异部分,节省空间并加快速度;3. 守护进程管理镜像和容器,客户端用于交互;4. Namespaces和cgroups实现容器隔离和资源限制;5. 多种网络模式支持容器互联。理解这些核心概念,才能更好地利用Docker。

MinIO对象存储:CentOS系统下的高性能部署MinIO是一款基于Go语言开发的高性能、分布式对象存储系统,与AmazonS3兼容。它支持多种客户端语言,包括Java、Python、JavaScript和Go。本文将简要介绍MinIO在CentOS系统上的安装和兼容性。CentOS版本兼容性MinIO已在多个CentOS版本上得到验证,包括但不限于:CentOS7.9:提供完整的安装指南,涵盖集群配置、环境准备、配置文件设置、磁盘分区以及MinI

在CentOS系统上进行PyTorch分布式训练,需要按照以下步骤操作:PyTorch安装:前提是CentOS系统已安装Python和pip。根据您的CUDA版本,从PyTorch官网获取合适的安装命令。对于仅需CPU的训练,可以使用以下命令:pipinstalltorchtorchvisiontorchaudio如需GPU支持,请确保已安装对应版本的CUDA和cuDNN,并使用相应的PyTorch版本进行安装。分布式环境配置:分布式训练通常需要多台机器或单机多GPU。所

在CentOS系统上安装PyTorch,需要仔细选择合适的版本,并考虑以下几个关键因素:一、系统环境兼容性:操作系统:建议使用CentOS7或更高版本。CUDA与cuDNN:PyTorch版本与CUDA版本密切相关。例如,PyTorch1.9.0需要CUDA11.1,而PyTorch2.0.1则需要CUDA11.3。cuDNN版本也必须与CUDA版本匹配。选择PyTorch版本前,务必确认已安装兼容的CUDA和cuDNN版本。Python版本:PyTorch官方支

在CentOS上更新PyTorch到最新版本,可以按照以下步骤进行:方法一:使用pip升级pip:首先确保你的pip是最新版本,因为旧版本的pip可能无法正确安装最新版本的PyTorch。pipinstall--upgradepip卸载旧版本的PyTorch(如果已安装):pipuninstalltorchtorchvisiontorchaudio安装最新
