Índice de contenido
Hola Mundo Escribe tu nombre: Juan Hola John ¿Cómo se llama tu mejor amiga: Denise? Hola mejor amiga Denise Como puede ver en esto, cuando se imprime la cadena ‘Hello Best Friend’, es el nombre ‘Denise’ que está impreso al lado. Esto se debe a que el área de memoria que anteriormente contenía la cadena ‘John’ ahora sostiene la cadena ‘Denise’. De hecho, en Python, el nombre de la variable no se limita a contener una cadena como ‘Juan’ y ‘Denise’; también puede contener otros tipos de datos, como números o el valores Verdadero y Falso. Por ejemplo: mi_variable = ‘Juan’ imprimir (mi_variable) mi_variable = 42 imprimir (mi_variable) mi_variable = Verdadero imprimir (mi_variable) El resultado de ejecutar el ejemplo anterior es John 42 Verdadero Como puede ver, my_variable primero contiene (o hace referencia al área de memoria contiene) la cadena ‘John’, luego contiene el número 42 y finalmente contiene el Valor booleano True (los valores booleanos solo pueden ser True o False). Esto se conoce en Python como escritura dinámica. Ese es el tipo de datos retenidos. por una variable puede cambiar dinámicamente a medida que se ejecuta el programa. Aunque esto puede parecer la forma obvia de hacer las cosas; no es el enfoque utilizado por muchos lenguajes de programación como Java y C# donde las variables son estáticamente mecanografiado La palabra estática se usa aquí para indicar que el tipo de datos que una variable puede contener se determinará cuando el programa se procese (o compile) por primera vez. Más adelante no será posible cambiar el tipo de datos que puede contener; pues si un variable es contener un número que luego no puede contener una cadena. este es el enfoque adoptado por lenguajes como Java y C#. Ambos enfoques tienen sus pros y sus contras; pero para muchas personas la flexibilidad de Las variables de Python son una de sus principales ventajas. 3.4 Variables 27
popular post
El modelo AR de series temporales univariadas
Resumen: En esta entrada, descubrirá el modelo AR: El modelo autorregresivo.
Leer másEvaluación de modelos para pronosticar
Resumen: Al desarrollar modelos de aprendizaje automático, generalmente se comparan varios modelos durante la fase de construcción.
Leer másModelos para pronosticar
Resumen: El pronóstico, traducido groseramente como la tarea de predecir el futuro, ha estado presente en la sociedad humana durante siglos.
Leer más