python米和英尺轉換

Ⅰ 用python編寫一個程序,將輸入的公里數轉換為英里值

1千米(km)=0.6213712英里(mi)
這個很容易吧
輸入的公里數直接乘以0.6213712

Ⅱ python英里和公里的轉換

def print_menu():
print('1. Kilometers to Miles')
print('2. Miles to kilometers')

def km_miles():
km = float(input('Enter distance in kilometers: '))
miles = km / 1.609
print('Distance in miles: {0}'.format(miles))

def miles_km():
miles = float(input('Enter distance in miles: '))
km = miles * 1.609
print('Distance in kilometers: {0}'.format(km))

if __name__ == '__main__':
print_menu()
choice = input('Which conversion would you like to do?:')
if choice == '1':
km_miles()
if choice == '2':
miles_km()

Ⅲ python中的進制轉換和原碼,反碼,補碼

python中的進制轉換和原碼,反碼,補碼

計算機文件大小單位

b = bit 位(比特)

B = Byte 位元組

1Byte = 8 bit #一個位元組等於8位 可以簡寫成 1B = 8b

1KB = 1024B

1MB = 1024KB

1GB = 1024MB

1TB = 1024GB

1PB = 1024TB

1EB = 1024PB

進制分類

二進制:由2個數字組成,有0 和 1 python中標志：0b

八進制:由8個數字組成,有0,1,2,3,4,5,6,7 python中標志：0o

十進制:有10個數字組成,有0,1,2,3,4,5,6,7,8,9 python中標志：無

十六進制:有16個數字組成,有0,1,2,3,4,5,6,7,8,9,a,b,c,d,e,f(進制字母大小寫都可以,分別代表10,11,12,13,14,15) python中標志：0x

python中的進制轉換:

其他進制轉換為十進制：int(相應進制)

其他進制轉換為二進制：bin(相應進制)

其他進制轉換為八進制：oct(相應進制)

其他進制轉換為十六進制：hex(相應進制)

二進制 轉化成 十進制:

例: 0b10100101

運算:1* 2^0 + 0* 2^1 + 1* 2^2 + 0* 2^3 + 0* 2^4 + 1* 2^5 + 0* 2^6 + 1* 2^7=

1 + 0 + 4 + 0 + 0 + 32 + 0 + 128 = 165

八進制 轉化成 十進制:

例: 0o127

運算:7*8^0 + 2*8^1 + 1*8^2 = 7+16+64 = 87

十六進制 轉化成 十進制:

例: 0xff

運算:15*16^0 + 15*16^1 = 255

十進制 轉化成 二進制:

426 => 0b110101010

運算過程: 用426除以2,得出的結果再去不停地除以2,

直到除完最後的結果小於2停止,

在把每個階段求得的余數從下到上依次拼接完畢即可

十進制 轉化成 八進制:

426 => 0o652

運算過程: 用426除以8,得出的結果再去不停地除以8,

直到除完最後的結果小於8停止,

在把每個階段求得的余數從下到上依次拼接完畢即可

十進制 轉化成 十六進制:

運算過程: 用426除以16,得出的結果再去不停地除以16,

直到除完最後的結果小於16停止,

在把每個階段求得的余數從下到上依次拼接完畢即可。

相關推薦：《Python視頻教程》

原碼,反碼,補碼

實際人們看到的數字是原碼轉化之後顯示出來的。

而原碼是通過補碼得到的。

計算機的所有數據在底層都是以二進制的補碼形式存儲。

***進制轉換的時候需要先把內存存儲的補碼拿出來變成原碼在進行轉換輸出***

反碼:二進制碼0變1,1變0叫做反碼,反碼用於原碼補碼之間的轉換。

補碼:用來做數據的存儲運算,可以實現計算機底層的減法操作,因而提出(可以表達出一個數的正負)。

也就是說默認計算機只會做加法,例:5+(-3) => 5 - 3。

乘法除法是通過左移和右移 << >> 來實現。

正數高位補0，負數高位補1。

正數:

原碼 = 反碼 = 補碼

負數：

反碼 = 原碼取反（除高位）

補碼 = 反碼加1

反碼 = 補碼減1

原碼 = 反碼取反（除高位）

我們會發現，在取反前減1和在取反後加1的效果是一樣的，這就和-2-1 = -(2+1)一個道理，所以會得出這樣的規律：

原碼 = 補碼取反加1

補碼 = 原碼取反加1

一個數在計算機中的二進製表示形式, 叫做這個數的機器數。機器數是帶符號的，在計算機用一個數的最高位存放符號, 叫符號位正數為0, 負數為1。

比如

正數1在計算機中的存儲即為

0 00000000000000000000001

負數1 在計算機中的存儲即為

1 00000000000000000000001

一個正數，轉換為二進制位就是這個正數的原碼。負數的絕對值轉換成二進制位然後在高位補1就是這個負數的原碼。

正數的反碼就是原碼，負數的反碼等於原碼除符號位以外所有的位取反。

正數的補碼與原碼相同，負數的補碼為 其原碼除符號位外所有位取反（得到反碼了），然後最低位加1。

所以原碼,反碼,補碼正數情況下是一致的,負數情況下是不一致的。

計算機的運算過程實際就是補碼相加的一個過程。

比如-2 + 3

-2 的原碼為

1 000000000000000000000000010

反碼為:

1 111111111111111111111111101

補碼為:

1 111111111111111111111111110

3的原碼為

0 000000000000000000000000011

反碼為:

0 000000000000000000000000011

補碼為:

0 000000000000000000000000011

那麼二者補碼相加結果為

1 111111111111111111111111110

+

0 000000000000000000000000011

=

10 000000000000000000000000001(計算機存儲為32位,故前面溢出的1被舍棄,高位為0)

0 000000000000000000000000001

結果為1

再比如-2 + 1

-2 的原碼為

1 000000000000000000000000010

反碼為:

1 111111111111111111111111101

補碼為:

1 111111111111111111111111110

1的原碼為

0 000000000000000000000000001

1的反碼為:

0 000000000000000000000000001

1的補碼為:

0 000000000000000000000000001

二者的補碼相加結果為

1 111111111111111111111111110

+

0 000000000000000000000000001

=

1 111111111111111111111111111

得出的補碼轉化為原碼, 最低位減一得到反碼,然後除符號位外所有位取反,得到結果

1 000000000000000000000000001

結果為1

Ⅳ 使用Python的線性回歸問題，怎麼解決

本文中，我們將進行大量的編程——但在這之前，我們先介紹一下我們今天要解決的實例問題。

1) 預測房子價格

閃電俠是一部由劇作家/製片人Greg Berlanti、Andrew Kreisberg和Geoff Johns創作，由CW電視台播放的美國電視連續劇。它基於DC漫畫角色閃電俠（Barry Allen），一個具有超人速度移動能力的裝扮奇特的打擊犯罪的超級英雄，這個角色是由Robert Kanigher、John Broome和Carmine Infantino創作。它是綠箭俠的衍生作品，存在於同一世界。該劇集的試播篇由Berlanti、Kreisberg和Johns寫作，David Nutter執導。該劇集於2014年10月7日在北美首映，成為CW電視台收視率最高的電視節目。

綠箭俠是一部由劇作家/製片人 Greg Berlanti、Marc Guggenheim和Andrew Kreisberg創作的電視連續劇。它基於DC漫畫角色綠箭俠，一個由Mort Weisinger和George Papp創作的裝扮奇特的犯罪打擊戰士。它於2012年10月10日在北美首映，與2012年末開始全球播出。主要拍攝於Vancouver、British Columbia、Canada，該系列講述了億萬花花公子Oliver Queen，由Stephen Amell扮演，被困在敵人的島嶼上五年之後，回到家鄉打擊犯罪和腐敗，成為一名武器是弓箭的神秘義務警員。不像漫畫書中，Queen最初沒有使用化名」綠箭俠「。

由於這兩個節目並列為我最喜愛的電視節目頭銜，我一直想知道哪個節目更受其他人歡迎——誰會最終贏得這場收視率之戰。 所以讓我們寫一個程序來預測哪個電視節目會有更多觀眾。 我們需要一個數據集，給出每一集的觀眾。幸運地，我從維基網路上得到了這個數據，並整理成一個.csv文件。它如下所示。

閃電俠

閃電俠美國觀眾數

綠箭俠

綠箭俠美國觀眾數

1 4.83 1 2.84

2 4.27 2 2.32

3 3.59 3 2.55

4 3.53 4 2.49

5 3.46 5 2.73

6 3.73 6 2.6

7 3.47 7 2.64

8 4.34 8 3.92

9 4.66 9 3.06

觀眾數以百萬為單位。

解決問題的步驟：

首先我們需要把數據轉換為X_parameters和Y_parameters，不過這里我們有兩個X_parameters和Y_parameters。因此，把他們命名為flash_x_parameter、flash_y_parameter、arrow_x_parameter、arrow_y_parameter吧。然後我們需要把數據擬合為兩個不同的線性回歸模型——先是閃電俠，然後是綠箭俠。 接著我們需要預測兩個電視節目下一集的觀眾數量。 然後我們可以比較結果，推測哪個節目會有更多觀眾。

步驟1

導入我們的程序包：

Python

1

2

3

4

5

6

7

# Required Packages

import csv

import sys

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn import datasets, linear_model

步驟2

寫一個函數，把我們的數據集作為輸入，返回flash_x_parameter、flash_y_parameter、arrow_x_parameter、arrow_y_parameter values。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

# Function to get data

def get_data(file_name):

data = pd.read_csv(file_name)

flash_x_parameter = []

flash_y_parameter = []

arrow_x_parameter = []

arrow_y_parameter = []

for x1,y1,x2,y2 in zip(data['flash_episode_number'],data['flash_us_viewers'],data['arrow_episode_number'],data['arrow_us_viewers']):

flash_x_parameter.append([float(x1)])

flash_y_parameter.append(float(y1))

arrow_x_parameter.append([float(x2)])

arrow_y_parameter.append(float(y2))

return flash_x_parameter,flash_y_parameter,arrow_x_parameter,arrow_y_parameter

現在我們有了我們的參數，來寫一個函數，用上面這些參數作為輸入，給出一個輸出，預測哪個節目會有更多觀眾。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

# Function to know which Tv show will have more viewers

def more_viewers(x1,y1,x2,y2):

regr1 = linear_model.LinearRegression()

regr1.fit(x1, y1)

predicted_value1 = regr1.predict(9)

print predicted_value1

regr2 = linear_model.LinearRegression()

regr2.fit(x2, y2)

predicted_value2 = regr2.predict(9)

#print predicted_value1

#print predicted_value2

if predicted_value1 > predicted_value2:

print "The Flash Tv Show will have more viewers for next week"

else:

print "Arrow Tv Show will have more viewers for next week"

把所有東西寫在一個文件中。打開你的編輯器，把它命名為prediction.py，復制下面的代碼到prediction.py中。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

# Required Packages

import csv

import sys

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn import datasets, linear_model

# Function to get data

def get_data(file_name):

data = pd.read_csv(file_name)

flash_x_parameter = []

flash_y_parameter = []

arrow_x_parameter = []

arrow_y_parameter = []

for x1,y1,x2,y2 in zip(data['flash_episode_number'],data['flash_us_viewers'],data['arrow_episode_number'],data['arrow_us_viewers']):

flash_x_parameter.append([float(x1)])

flash_y_parameter.append(float(y1))

arrow_x_parameter.append([float(x2)])

arrow_y_parameter.append(float(y2))

return flash_x_parameter,flash_y_parameter,arrow_x_parameter,arrow_y_parameter

# Function to know which Tv show will have more viewers

def more_viewers(x1,y1,x2,y2):

regr1 = linear_model.LinearRegression()

regr1.fit(x1, y1)

predicted_value1 = regr1.predict(9)

print predicted_value1

regr2 = linear_model.LinearRegression()

regr2.fit(x2, y2)

predicted_value2 = regr2.predict(9)

#print predicted_value1

#print predicted_value2

if predicted_value1 > predicted_value2:

print "The Flash Tv Show will have more viewers for next week"

else:

print "Arrow Tv Show will have more viewers for next week"

x1,y1,x2,y2 = get_data('input_data.csv')

#print x1,y1,x2,y2

more_viewers(x1,y1,x2,y2)

可能你能猜出哪個節目會有更多觀眾——但運行一下這個程序看看你猜的對不對。

3) 替換數據集中的缺失值

有時候，我們會遇到需要分析包含有缺失值的數據的情況。有些人會把這些缺失值捨去，接著分析；有些人會用最大值、最小值或平均值替換他們。平均值是三者中最好的，但可以用線性回歸來有效地替換那些缺失值。

這種方法差不多像這樣進行。

首先我們找到我們要替換那一列里的缺失值，並找出缺失值依賴於其他列的哪些數據。把缺失值那一列作為Y_parameters，把缺失值更依賴的那些列作為X_parameters，並把這些數據擬合為線性回歸模型。現在就可以用缺失值更依賴的那些列預測缺失的那一列。

一旦這個過程完成了，我們就得到了沒有任何缺失值的數據，供我們自由地分析數據。

為了練習，我會把這個問題留給你，所以請從網上獲取一些缺失值數據，解決這個問題。一旦你完成了請留下你的評論。我很想看看你的結果。

個人小筆記：

我想分享我個人的數據挖掘經歷。記得在我的數據挖掘引論課程上，教師開始很慢，解釋了一些數據挖掘可以應用的領域以及一些基本概念。然後突然地，難度迅速上升。這令我的一些同學感到非常沮喪，被這個課程嚇到，終於扼殺了他們對數據挖掘的興趣。所以我想避免在我的博客文章中這樣做。我想讓事情更輕松隨意。因此我嘗試用有趣的例子，來使讀者更舒服地學習，而不是感到無聊或被嚇到。

謝謝讀到這里——請在評論框里留下你的問題或建議，我很樂意回復你。

Ⅳ arcgis9.3怎麼使用python

Python 表達式可通過 幾何對象中的屬性（type、extent、centroid、firstPoint、lastPoint、area、length、isMultipart 和 partCount）進行創建。

!shape.area!

Python 表達式可以使用具有面積或線性單位的幾何 area 和 length 屬性將值轉換為不同的測量單位（例如 !shape.length@kilometers!）。如果數據存儲在地理坐標系中且具有線性單位（例如英里），則使用測地線演算法計算長度。在地理數據中使用面積單位會產生不正確的結果，這是由於沿 globe 的十進制度並不一致。

面積測量單位關鍵字：

英畝 | 公畝 | 公頃 | 平方厘米 | 平方分米 | 平方英寸 | 平方英尺 | 平方千米 | 平方米 | 平方英里 | 平方毫米 | 平方碼 | 平方地圖單位 | 未知

線性測量單位關鍵字：

厘米 | 十進制度 | 分米 | 英尺 | 英寸 | 千米 | 米 | 英里 | 毫米 | 海里 | 磅 | 未知 | 碼

在工具對話框中，可將表達式直接輸入到表達式參數中，或者使用「欄位計算器」以交互方式構建表達式。

使用所選要素集（如從創建要素圖層或按屬性選擇圖層內的查詢中創建的要素集）時，此工具將只更新所選的記錄。

每次操作僅能對一個欄位應用計算。

現有欄位值將被覆蓋。如果想要保留原始欄位值，應創建輸入表副本

對於 Python 計算，必須在欄位名稱兩旁添加驚嘆號（!欄位名!）。

對於 VB 計算，欄位名稱必須用方括弧括起（[欄位名]）。

計算文本或字元欄位的字元串時，在對話框中，必須對字元串添加雙引號（"字元串"），而在腳本中，還必須對加雙引號的字元串添加單引號（'"字元串"'）。

此工具也可用於更新字元項。應對使用字元串的表達式添加單引號（例如 [CHARITEM] = 『新字元串'）。但是，如果字元串已包含單引號，則要對該字元串添加雙引號，例如 [CHARITEM] = "類型'A'"。

要計算數值欄位，可在表達式參數中輸入數值；值的兩旁無需加引號。

如果已指定 Python 表達式，則此工具支持 arcgis.rand() 函數。已為 ArcGIS 工具創建 arcgis.rand() 函數，不應將此函數與 Python Rand() 函數相混淆。arcgis.rand() 函數的可用分布的語法在隨機值的分布語法中進行介紹。

表達式與代碼塊會相互連接。代碼塊必須返回與表達式的關聯；代碼塊的結果應傳入到表達式中。

代碼塊參數可用於創建復雜表達式。您可以在對話框中直接輸入代碼塊，或在腳本中將代碼塊作為連續字元串輸入。

Python 數學模塊及格式可供代碼塊參數使用。您可以導入附加模塊。數學模塊可提供數論函數與表達函數、冪函數與對數函數、三角函數、角度轉換函數、雙曲函數以及數學常數。要了解更多有關數學模塊的內容，請參閱 Python 的幫助。

保存的 ArcGIS 先前版本的 VB .cal 文件可以直接使用或者只需做少量修改後即可使用。如果擁有使用 ArcObjects 的過去版本的 VBA 代碼，則計算需經過修改後才能用於 10.0。

計算連接數據時，您無法直接計算連接列。然而，您可以直接計算源表的列。要計算連接數據，必須先將連接表或連接圖層添加至 ArcMap。然後可以分別對此數據執行計算。這些更改將反映在連接列中。

計算欄位示例

Ⅵ 求一道Python題，是關於定義函數和身體指數的，謝謝各位大神啦！！！

按照題目要求編寫的Python程序如下

def calBMI(height,weight):

BMI=weight/(height*height)

做舉if BMI<18.5:

return [BMI,"過輕"]

elif BMI<24:

return [BMI,"正常"]

elif BMI<28:

return [BMI,"過重"]

else:

return [BMI,"肥胖"]

import re

s=input("請輸入你的身森嘩高純春碧(米)和體重(公斤)【逗號隔開】：")

s1=re.split(r'[,，]',s)

height=float(s1[0])

weight=float(s1[1])

name="李子健"

bmi=calBMI(height,weight)

print("{}的測算結果為：".format(name))

print("BMI:%.2f"%bmi[0])

print(bmi[1])

源代碼(注意源代碼的縮進)

Ⅶ 用Python編寫一個程序,讀取英里數然後將它轉換為公里數並顯示結果

換算概率為：1公里=0.621371192237英里

代碼邏輯可參考：

def test(n):

print "英里數：", n

print "公里數：", n/0.621371192237