Python基础一(语言介绍)

本文介绍了编程语言的基本概念,包括其定义、发展历程及当前流行的多种编程语言的特点,如C、C++、Java、PHP、Python、C#、Ruby、Perl、Shell、Scala、Erlang、Go、JavaScript、VB和Lua等。

编程语言介绍

什么是编程语言?

  定义好一套与计算机交互的语法规则,这套规则 就可称为一门编程语言
  我们听不懂日语是因为不懂日语的语法规则
  学编程 == 学语法规则

目前流行编程语言有哪些?  

  C = 各个操作系统的开发语言 1973
  C++ = C++是C语言的加强版 ,1983年,贝尔实验室的Bjarne Stroustrup在C语言基础上推出了C++[1] 。 C++进一步扩充和完善了C语言,是一种面向对象的程序设计语言。
  java = 1995 由sun 公司开发出来,java 虚拟机 支持跨平台
  php = 1994, 纯web开发语言, 1994 Netscape 浏览器诞生了
  python = 1989年诞生, 刚开始被做为脚本语言, 开发小任务, 跟linux同年诞生,89,1991,苏联解体, 1991年正式版本
  C# = c sharpe =C#是微软公司发布的一种面向对象的、运行于.NET Framework之上的高级程序设计语言。并定于在微软职业开发者论坛(PDC)上登台亮相。C#是微软公司研究员Anders Hejlsberg的最新成果。C#看起来与Java有着惊人的相似;它包括了诸如单一继承、接口、与Java几乎同样的语法和编译成中间代码再运行的过程。但是C#与Java有着明显的不同,它借鉴了Delphi的一个特点,与COM(组件对象模型)是直接集成的,而且它是微软公司 .NET windows网络框架的主角。
  ruby = Ruby, 一种简单快捷的面向对象(面向对象程序设计)脚本语言,在20世纪90年代由日本人松本行弘(Yukihiro Matsumoto)开发,遵守GPL协议和Ruby License。它的灵感与特性来自于 Perl、Smalltalk、Eiffel、Ada以及 Lisp 语言。由 Ruby 语言本身还发展出了JRuby(Java平台)、IronRuby(.NET平台)等其他平台的 Ruby 语言替代品。Ruby的作者于1993年2月24日开始编写Ruby,直至1995年12月才正式公开发布于fj(新闻组)。因为Perl发音与6月诞生石pearl(珍珠)相同,因此Ruby以7月诞生石ruby(红宝石)命名。
  Ruby on rails web框架
  perl = Unix平台上开发出来的语言,做文字处理非常强大, 可以写出没人能看懂的代码
  shell = 脚本语言, 简单易学,基于unix,linux, 做一些简单的系统管理任务, 运维人员必学
  scalar = Scala是一门多范式的编程语言,一种类似java的编程语言[1] ,大数据开发
  erlang = 是一种通用的面向并发的编程语言,它由瑞典电信设备制造商爱立信,函数式编程
  go ===Go语言是谷歌2009发布的第二款开源编程语言。Go语言专门针对多处理器系统应用程序的编程进行了优化,使用Go编译的程序可以媲美C或C++代码的速度,而且更加安全、支持并行进程。
  javascript = 是当下使用最为广泛的语言,主要写前端的语言,
  nodejs =后端 全栈式的语言
  vb = 微软的脚本语言,bat脚本
  lua = nginx 的脚本语言, ngnix 是时下最nb web服务器

Python发展史

Python 2.6 - October 1, 2008
Python 2.6.1 - October 1, 2008
Python 2.6.6 - October 1, 2008
Python 3.0 - December 3, 2008
Python 2.7 - July 3, 2010 #目前业内主流使用的工业版本依然是2.7

举例:

print "hello world" #in 2.x
print("hello world") #in 3.x

In summary : Python 2.x is legacy, Python 3.x is the present and future of the language
总结: python2.x 是遗产, python3.x是现在和未来的语言

2.x = 默认编码 =ASSIC =不支持中文
3.x = 默认编码 =UNICODE =默认支持中文

  

 

转载于:https://www.cnblogs.com/lg-family/articles/9206532.html

内容概要:本文围绕基于Wasserstein生成对抗网络(W-GAN)的光伏场景生成程序展开研究,提出了种利用W-GAN生成高精度、高波动性光伏出力场景的方法,以应对新能源发电中的不确定性挑战。研究通过构建生成器与判别器之间的对抗训练机制,有效捕捉光伏出力的时间序列特征与统计分布规律,生成符合实际运行条件的多样化场景数据,弥补实测数据稀缺问题。相较于传统GAN,W-GAN引入Wasserstein距离作为损失函数,显著提升了模型训练的稳定性与梯度传播的连续性,增强了生成样本的质量与多样性。文中还提供了完整的Python代码实现,便于读者复现与拓展。; 适合人群:具备Python编程能力、深度学习基础的研究生、科研人员,以及从事新能源电力系统规划、优化调度、不确定性建模等相关领域的工程师和技术人员。; 使用场景及目标:①用于电力系统中可再生能源出力的不确定性建模与风险评估;②支撑微电网、综合能源系统等场景下的随机优化、鲁棒优化与分布鲁棒优化研究;③为风光互补系统、储能配置、需求响应等应用提供高质量、多样化的输入场景;④帮助研究人员掌握深度学习在能源时序数据生成中的前沿应用,推动模型迁移至风电、负荷等其他场景生成任务。; 阅读建议:建议读者结合提供的Python代码进行动手实践,深入理解W-GAN的网络架构设计、损失函数构造、训练技巧及超参数调优策略,重点关注Wasserstein距离在缓解模式崩溃与梯度消失问题中的作用,并尝试将该框架拓展至多变量、多站点或多能源联合场景生成,提升模型的泛化能力与工程实用价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值