Python脚本的输入输出|学习笔记

简介: 快速学习Python脚本的输入输出

开发者学堂课程【Python 脚本入门Python脚本的输入输出】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/800


Python脚本的输入输出

一、必备知识回顾和补充

二、输入和参数

三、输出和格式化

一、必备知识回顾和补充

Hello world回顾

1、输出文本,使用print函数输出文本。

2、让用户输入名字,然后输出带名字的问候语。使用input函数获取用户的输入,使用变量保存输入值。

l Input函数获取运行环境中用户的输入,程序挂起等待输入完成。

l Print函数提供了往标准输入打印指定内容。

l 读取文件的内置函数是open,可读取文件内容供处理,也提供了写入文件

的方法。

sys模块简介

l sys模块是python 标准库内置的,它提供了一些变量和函数,被解释

所有。

l python脚本执行时可以传入参数。

l Python[-bBdEhiIOqsSuvVWx?][-c command -m module-na

me script -][args]。

l 代码里获取参数需要通过sys模块实现。

Open 函数简介

l Open 函数打开file并返回对应的文件对象

l 默认返回读取的文本内容

l 可指定mode用来写入文件而作为输出

image.gif

二、输入和参数

Input获取输入

l 函数定义:input([prompt])

l Prompt为可选参数,如果指定了prompt运行时将它输出到标准输出,

比如终端Shell.

l 然后程序暂停等待用户的键盘输入,按下回车键继续执行。

l image.gif

所以录入的内容被读取为字符串。


Python脚本文件的输入参数

l 大多数时候,我们直接使用编好的脚本文件。

l 希望在运行脚本文件的时候,可以传入参数。

l 此时,需要在代码里用到sys , argv。

l sys , argv是一个列表,第一个参数是脚本的名称。

l 可以将python脚本文件标记为可执行文件。

l 简化脚本的调用方式。

image.gifimage.gif

三、输出和格式化

l 输出内容一般提供给人们阅读使用。

l python提供了格式化输出选项。

l Print函数定义。

l image.gif

使用格式化字符串来输出更易读的内容。

image.gif


相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
291 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
300 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
801 6