跳到主要內容

Python Study (3) - Numeric Type

We will talk about in-depth of python data type. Numeric type is basic types of Python language.

Data Type Classic
We can classify these type to follow as =>

  (1) Integer and floating-point objects : 1234, 1.23, 14e-10
       sign : e or E  is exponent. Python 3.x only has integer (normal and long have
       been merged) but Python 2.x , it still are  two integer types and normal.
  (2) Complex number objects : 3+4j, j
  (3) Decimal Obejct : Decimal(‘2.1456’)
  (4) Fraction : Fraction(-8,5)
  (5) Sets  : set(“apple”)
  (6) Boolean Object :Ture or False, Bool , 1
  (7) Numeric module(build-in libraries) : random, math
  (8) Third-party extension : vector, plotting


Operation function
Operator Example
express operators +, -, *, /, >>, **, &,
>>> 1+1
2
Built-in mathematical functions pow, abs, round ….
module random, math,


Expression operators

Operators Description
or Logical OR => x or y
and Logical AND => x and y
x<y, x<=y, x>y, x>=y  
x==y, x!=y Logical equal , not equal
x | y Bitwise OR
x ^ y Bitwise XOR
x <<y , x >>y Shift x left or right by y bits
+, -, *, /, %  
// floor
~x Bitwise Not
x[i], x[i:j] retrive sub slicing
[] list
{} dictionary
() tuple
x in y, y not in x membership
foor  


Integer and float
In Python 2.0, Integer is represented by “L” , but it is none in python 3.0.

*Python 2.0
>>>3 ** 200
265613988875874769338781322035779626829233452653394495974574961739092490901302182994384699044001L

*Python 3.0
>>>3 ** 200
265613988875874769338781322035779626829233452653394495974574961739092490901302182994384699044001

Complex Numbers
Complex Numbers divide into real number and imaginary,  J or j suffix to the imaginary part.

>>> (1+1j) * 1j
(-1+1j)
 
>>> 1+1j*3
(1+3j)
>>> j * j
-1
          
Fraction Type
   (1) 1/2 is represented to Fraction( 1 , 2 )
   (2) accurate , Ex: 0.1 + 0.1 + 0.1 -0.3 and Fraction(1, 10) + Fraction(1, 10)  + Fraction(1, 10)
                                - Fraction(3, 10)
   
>>> from fractions import Fraction
>>> Fraction(1,10) + Fraction(1,10)
Fraction(1, 5)

>>> Fraction(2,5) - Fraction(1,5)
Fraction(1, 5)

>>> Fraction(2,5) * Fraction(1,5)
Fraction(2, 25)

>>> Fraction("0.25")
Fraction(1, 4)

>>> Fraction("0.3") + Fraction("0.1")
Fraction(2, 5)

>>> 0.1 + 0.1 + 0.1 -0.3  # The result should be 0
5.551115123125783e-17

>>> Fraction(1, 10) + Fraction(1, 10) + Fraction(1, 10) - Fraction(3, 10)
Fraction(0, 1)

>>>from decimal import Decimal
>>> Decimal('0.1') + Decimal('0.1') + Decimal('0.1') - Decimal('0.3')
Decimal('0.0')

>>> 1/3
0.3333333333333333

          
Sets
(1) It is  not unordered and non-duplicated a of collection items.
(2) It is used to  “ {}”  to represent element of the sets 

>>> food = {'apples', 'banana'}
>>> food
set(['banana', 'apples'])

>>> type(food)
<type 'set'>
 

set  operator
x = set("apple") ,  y = set("banana")

Operators Description Example

-

 different >>> x – y
set(['p', 'e', 'l'])

| or Union

 Union >>> x | y
set(['a', 'p', 'b', 'e', 'l', 'n'])
>>> x.union(y)
set(['a', 'p', 'b', 'e', 'l', 'n'])

&

 Intersection

>>> x &  y
set(['a'])

^

 Symmetric different(XOR)

>>> x ^ y
set(['b', 'e', 'l', 'n', 'p'])

< , >

 superset, subset

>>> x > set(“a”)
True
>>> x > set(“b”)
Flase

in

 include >>> “a” in x
True

add(Object)

 insert into one to the set

>>> x.add("apple")
>>> x
set(['a', 'p', 'e', 'l', 'apple'])

update(Obejct)

 update set  the set

>>> x.update("a","b")
>>> x
set(['a', 'p', 'b', 'e', 'l'])

remove(Objcet)

 remove >>> x.remove('a')
>>> x
set(['p', 'e', 'l'])


Note : {} is still a dictionary in all Python.

>>> type({})   # don’t {} and space element
<class 'dict'>

>>> s = set()
>>> type(s)
<class, ‘set’>

Advanced  

>>> { x*4  for x in 'apple'}
set(['aaaa', 'llll', 'pppp', 'eeee'])


Boolean
  
  (1)  Boolean  is the same as 1 , Ex:  True = 1

>>> type(Ture)
<class, ‘bool’>

留言

張貼留言

這個網誌中的熱門文章

JavaBean 和POJO

前言 今天介紹JavaBean和POJO的不同，這兩個名詞在JAVA文章常常被拿來使用以及討論。在JDK1.1時候釋出才有的一個標準架構，很多時候常常被搞混，所以我們特別開闢一章來加以討論。POJO規範在企業級應用已經廣大的被使用的規範。 解釋 POJO : 全名為Plain-old-Java-object，只需要繼承Object就可以，沒有特定規定，只要建立的類別有setter/getter方法都可以稱為POJO JavaBean: JavaBean通常用來封裝多個物件成為單獨物件使用，規範比較嚴格，規則如下 規則 說明 1 需要實作序列(Serializable/Externalizable) 2 不能有參數的建構子( no-arg constructor) 3 需要有公用setter/getter 4 屬性必須要私人(private) 5 屬於特定POJO規則 比較 所有的JavaBean都為POJO，但是所有的POJO不一定為JavaBean 都可以當作重複元件 都必須序列化 特性都為可用性、易用性和持久化使用 - 應用 由圖我們可以知道POJO在應用程式中，主要用來存取資料庫資料達到持久化的目的，並提供給商業邏輯流程處理使用。這種POJO的架構提供程式人員開發時的可以很有規則將資料封裝並加以使用。 範例1. JavaBean(以員工為實例) JavaBean建立員工物件，可以發現Employee物件建構子沒有任何參數，屬性為私有化並setter/getter的命名方式。 //實作序列化 public class Employee implements java.io.Serializable{ private int id; private String name; //無參數建構子 public Employee(){} //以下實作setter/getter public void setId(int id){this.id=id;} public int getId(){return id;} public void setName(String ...
張貼留言
閱讀完整內容

Python AI-問題集

Python AI-問題集 問題集 Jupyter Notebook執行ipywidgets會出現kernel死掉的錯誤發生(The kernel appears to have died) 解決方法 (1) 根據log檔來判斷問題： 例如：log訊息出現OMP: Error #15: Initializing libiomp5.dylib, but found libiomp5.dylib already initialized. (2) 根據問題關鍵字找出問題所在： 利用google查詢所遭遇到的問題，例如我把上面的問題上google查詢可以找到這篇的解法 https://blog.csdn.net/bingjianIT/article/details/86182096 (3)實作解法： 我實作下面解法後，就可以順利執行手寫辨識的程式． //在Python宣告時加入 import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" 參考 https://blog.csdn.net/bingjianIT/article/details/86182096
1 則留言
閱讀完整內容

淺談機器學習原理-Nonlinear Transform

Nonlinear Transform 淺談機器學習原理-Nonlinear Transform Nonlinear Transform *通用能力 gerneralization : 就是將訓練好的模型，放到正式環境可以正常的運作，通常Linear Model的gerneralization會比較好，因為線性模型解決的問題比較單純。缺點是應用侷限比較大。 參考Chih-Chung Chang老師的範例:縣性與非線性分類範例 https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 非線性問題 當如果今天假設要圈出裡面小圈圈的資料，我們就無法使用線性的模型，我們可以用非線性解像圈圈的方程式 s i g n ( − x 1 2 − x 2 2 + r ) sign(-x1^2-x2^2+r) s i g n ( − x 1 2 − x 2 2 + r ) 來解決，在演算法我們利用reduce來將不會的問題透過已知的問題來解決，所以在這個問題 我們將圈圈的方程式(非線性模型)reduce成線性模型來解決。 Reduce 方法論 我們調整圓形的方程式改為 z 0 z_0 z 0 ​ , z 1 z_1 z 1 ​ , z 2 z_2 z 2 ​ 來轉換線性方程式， { ( x n , y n ) } \{{(x_n,y_n)}\} { ( x n ​ , y n ​ ) } => { ( z n , y n ) } \{{(z_n,y_n)}\} { ( z n ​ , y n ​ ) } 在這空間資料中只要能找線，就可將不同的分類區分，圖中可以線性可以線去做分類。 透過向量方式來轉換成線性方程式 我們找到一個方式將非線性資料X透過向量轉換為Z後，希望透過線性方程式方式來學習，得到正解。 當我們Nonlinear transform轉換成線性方程式，當有新的資料進來我們無法使用invertiable(逆向工程)的方式去轉回非線...
張貼留言
閱讀完整內容