Python:或且(与)非 : 逻辑运算和位运算

2024-04-23 09:20

本文主要是介绍Python:或且(与)非 : 逻辑运算和位运算,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Python中的逻辑运算包括或(or)、且(and)和非(not)三种运算符。这些运算符可用于布尔值之间的比较,也可用于条件语句中。

  1. 或(or)运算符:如果左右两边的表达式中至少有一个为True,则返回True,否则返回False。例如:
x = 5
y = 10
print(x < 7 or y > 9)  # 输出 True
print(x < 3 or y > 20)  # 输出 False

  1. 且(and)运算符:只有左右两边的表达式都为True时,才返回True,否则返回False。例如:
x = 5
y = 10
print(x < 7 and y > 9)  # 输出 True
print(x < 3 and y > 20)  # 输出 False

  1. 非(not)运算符:对布尔值进行取反操作,如果表达式为True,则返回False;如果表达式为False,则返回True。例如:
x = 5
y = 10
print(not x > 7)  # 输出 False
print(not y < 20)  # 输出 True

此外,Python还支持位运算符,用于对整数的二进制位进行操作。

  1. 按位或(|)运算符:对两个整数的每个二进制位进行或运算。例如:
x = 5  # 二进制为 0101
y = 3  # 二进制为 0011
print(x | y)  # 输出 7,即二进制为 0111

  1. 按位与(&)运算符:对两个整数的每个二进制位进行与运算。例如:
x = 5  # 二进制为 0101
y = 3  # 二进制为 0011
print(x & y)  # 输出 1,即二进制为 0001

  1. 按位异或(^)运算符:对两个整数的每个二进制位进行异或运算,相同为0,不同为1。例如:
x = 5  # 二进制为 0101
y = 3  # 二进制为 0011
print(x ^ y)  # 输出 6,即二进制为 0110

  1. 按位取反(~)运算符:对整数的每个二进制位进行取反操作。例如:
x = 5  # 二进制为 0101
print(~x)  # 输出 -6,即二进制为 1010(负数使用补码表示)

  1. 左移(<<)运算符:将整数的二进制位向左移动指定的位数。例如:
x = 5  # 二进制为 0101
print(x << 1)  # 输出 10,即二进制为 1010

  1. 右移(>>)运算符:将整数的二进制位向右移动指定的位数。例如:
x = 5  # 二进制为 0101
print(x >> 1)  # 输出 2,即二进制为 0010

请注意,位运算符只能应用于整数,不能用于布尔值。

这篇关于Python:或且(与)非 : 逻辑运算和位运算的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/928397

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

uva 575 Skew Binary(位运算)

求第一个以(2^(k+1)-1)为进制的数。 数据不大,可以直接搞。 代码: #include <stdio.h>#include <string.h>const int maxn = 100 + 5;int main(){char num[maxn];while (scanf("%s", num) == 1){if (num[0] == '0')break;int len =

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点