求冪：3**5 3的5次方
求餘數： 7%2=1 7/2=3
字串轉換成浮點型：>>> a="87.3" >>> b=float(a) a='87.3' b=87.3
輸入字串：這裡輸入的是字串 some=raw_input () 12 some='12'
>>>a = 1.3
>>>print a,type(a) 可以多個輸出後面直接接逗號分開
sequence(序列)是一組有順序的元素的集合
(嚴格的說，是物件的集合，但鑑於我們還沒有引入「物件」概念，暫時說元素)
序列可以包含乙個或多個元素，也可以沒有任何元素。
我們之前所說的基本資料型別，都可以作為序列的元素。元素還可以是另乙個序列，以及我們以後要介紹的其他物件。
序列有兩種：tuple（定值表； 也有翻譯為元組） 和 list (表)
>>>s1 = (2, 1.3, 'love', 5.6, 9, 12, false) # s1是乙個tuple
>>>s2 = [true, 5, 'smile'] # s2是乙個list
>>>print s1,type(s1)
>>>print s2,type(s2)
tuple和list的主要區別在於，一旦建立，tuple的各個元素不可再變更，而list的各個元素可以再變更。
乙個序列作為另乙個序列的元素
>>>s3 = [1,[3,4,5]]
空序列》s4 =
序列元素的下標從0開始：
>>>print s1[0]
>>>print s2[2]
>>>print s3[1][2]
由於list的元素可變更，你可以對list的某個元素賦值：
>>>s2[1] = 3.0
>>>print s2
如果你對tuple做這樣的操作，會得到錯誤提示。
所以，可以看到，序列的引用通過s實現， int為下標
範圍引用： 基本樣式[下限:上限:步長]
>>>print s1[:5] # 從開始到下標4 （下標5的元素 不包括在內）
>>>print s1[2:] # 從下標2到最後
>>>print s1[0:5:2] # 從下標0到下標4 (下標5不包括在內)，每隔2取乙個元素 （下標為0，2，4的元素）
>>>print s1[2:0:-1] # 從下標2到下標1
從上面可以看到，在範圍引用的時候，如果寫明上限，那麼這個上限本身不包括在內。
尾部元素引用
>>>print s1[-1] # 序列最後乙個元素
>>>print s1[-3] # 序列倒數第三個元素
同樣，如果s1[0:-1], 那麼最後乙個元素不會被引用 （再一次，不包括
上限元素本身）
字串是一種特殊的元素，因此可以執行元組的相關操作。
>>>str = 'abcdef'
>>>print str[2:4]
tuple元素不可變，list元素可變
序列的引用 s[2], s[1:8:2]
字串是一種tuple
3 in [1, 2, 3]
true
元素是否存在於列表中
for x in [1, 2, 3]: print x,
1 2 3迭代
基本資料型別的引數：值傳遞 本身值不變
表作為引數：指標傳遞 本身值變化相當於c++
讀取中文字串 a1="你好" 型別是str a2=unicode(a1,"gbk"), 這個時候變成了中文的gbk a2=a1.decode("gbk")與前面一樣
因此，在做編碼轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。
decode的作用是將其他編碼的字串轉換成unicode編碼，
如str1.decode('gb2312')，表示將gb2312編碼的字串轉換成unicode編碼。
encode的作用是將unicode編碼轉換成其他編碼的字串，
如str2.encode('gb2312')，表示將unicode編碼的字串轉換成gb2312編碼。
網路安全自學習筆記 OSI與TCP IP協議基礎
分層思想 因為需要的協議太多，所以需要分層完成，也就是把複雜的問題簡單化。就像使用網路的人未必知道資料的傳輸過程。這張圖可以好好理解 需要兩個過程 裝封過程和解封過程。裝封過程 應用層 應用層傳送hello 傳輸層 傳輸層接收到hello時給hello乙個tcp udp頭 形成乙個 tcp udp頭...
石頭剪刀布自學習人工智慧
先點關注，不迷路 前一段靈光一現，想出了這個演算法 不知道以前有沒有人寫過 應該是有的 不過我覺得我還是可以大概說一下我的想法 還是那句話，講得不好勿噴 詳解 既然是自學習，那肯定是得學習的 石頭剪刀布這個遊戲本身可能是沒什麼可學的，隨機數就可以獲得不錯的勝率 由於勝負是由兩個人的決策決定的，只能通...
無監督學習之自學習與半監督學習
有兩種常見的無監督特徵學習方式，區別在於有什麼樣的未標註資料。自學習 self taught learning 是其中更為一般的 更強大的學習方式，它不要求未標註資料和已標註資料來自同樣的分布。另外一種帶限制性的方式也被稱為半監督學習，它要求未標註資料和已標註資料服從同樣的分布。這個例子裡，未標註資...