甜橘子，专注成都网站制作网站设计与营销型网站建设与优化
QQ :532337155
电话：028-86922220
x = 2 # 假设 x = 2
顺德网站制作公司哪家好，找创新互联建站！从网页设计、网站建设、微信开发、APP开发、成都响应式网站建设公司等网站项目制作，到程序开发，运营维护。创新互联建站于2013年开始到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选创新互联建站。
S = 1 + 3 * x / (1 * 2) - 5 * x ** 2 / (2 * 3) # 计算 S
print(S) # 输出 S 的值
代码输出结果为 -5.666666666666667，即 S 的值为 -5.666666666666667。
在这个代码中，首先假设 x 的值为 2，然后使用基本的数学运算符和 Python 的内置函数，计算表达式 1 + 3x/1*2-5*x^2/2*3 的值，并将结果存储在变量 S 中。最后，使用 print() 函数输出 S 的值。
首先我们先来了解一下计算平均数的IPO模式.
输入：待输入计算平均数的数。
处理：平均数算法
输出：平均数
明白了程序的IPO模式之后，我们打开本地的python的IDE
工具，并新建一个python文件，命名为test6.py.
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
打开test6.py,进行编码，第一步，提示用户输入要计算多少个数的平均数。
请点击输入图片描述
第二步，初始化sum总和的值。注意，这是编码的好习惯，在定义一个变量的时候，给一个初始值。
请点击输入图片描述
第三步，循环输入要计算平均数的数，并计算总和sum的值。
请点击输入图片描述
最后，计算出平均数，并输出，利用“总和/数量”的公式计算出平均数。
请点击输入图片描述
编码完成后，记得保存，然后进行调试运行。按F5键或者点击菜单栏中的“run”-》“run model”来运行程序。
请点击输入图片描述
请点击输入图片描述
Pos()功能在一个字符串中查找所包含的另一个字符串的起始位置。语法Pos ( string1， string2 {， start } )
参数string1：string类型，指定要从中查找子串string2的字符串string2：string类型，指定要在string1中查找的字符串start：long类型，可选项，指定从string1的第几个字符开始查找。缺省值为1返回值Long。函数执行成功时返回在start位置后string2在string1中第一次出现的起始位置。如果在string1中按指定要求未找到string2、或start的值超过了string1的长度，那么Pos()函数返回0。如果任何参数的值为NULL，Pos()函数返回NULL。用法Pos()函数在字符串查找时区分大小写，因此，"aa"不匹配"AA"。
拓展资料：
公式的运用
一、数字处理
1、取绝对值函数
公式：=ABS(数字)
2、取整函数
公式：=INT(数字)
3、四舍五入函数
公式：=ROUND(数字，小数位数)
二、判断公式
1、如果计算的结果值错误那么显示为空
公式：=IFERROR(数字/数字，)
说明：如果计算的结果错误则显示为空，否则正常显示。
2、IF语句的多条件判定及返回值
公式：IF(AND(单元格（逻辑运算符）数值，指定单元格=返回值1)，返回值2，)
说明：所有条件同时成立时用AND，任一个成立用OR函数。
三、常用的统计公式
1、统计在两个表格中相同的内容
公式:B2=COUNTIF(数据源:位置，指定的，目标位置)
说明：如果返回值大于0说明在另一个表中存在，0则不存在。
如果，在此示例中所用到的公式为：B2=COUNTIF(Sheet15!A:A，A2)
2、统计不重复的总数据
公式：C2=SUMPRODUCT(1/COUNTIF(A2:A8，A2:A8))
说明:用COUNTIF函数统计出源数据中每人的出现次数，并用1除的方式把变成分数，最后再相加。
四、数据求和公式
1、隔列求和的应用
公式：H3=SUMIF($A$2:$G$2，H$2，A3:G3)或=SUMPRODUCT((MOD(COLUMN(B3:G3)，2)=0)*B3:G3)
说明：如果在标题行中没有规则就可以用第2个公式
2、单条件应用之求和
公式：F2=SUMIF(A:A，C:C)
说明：这是SUMIF函数的最基础的用法
五、查找与引用公式
1、单条件查找
说明：VLOOKUP是excel中最常用的查找方式
六、字符串处理公式
1、多单元格字符串的合并
说明：Phonetic函数只能合并字符型数据，不能合并数值。
2、截取结果3位之外的部分
说明：LEN计算总长度，LEFT从左边截总长度-3个。
对于气象绘图来讲，第一步是对数据的处理，通过各类公式，或者统计方法将原始数据处理为目标数据。
按照气象统计课程的内容，我给出了一些常用到的统计方法的对应函数：
在计算气候态，区域平均时均要使用到求均值函数，对应NCL中的dim_average函数，在python中通常使用np.mean()函数
numpy.mean(a, axis, dtype)
假设a为[time,lat,lon]的数据，那么
需要特别注意的是，气象数据中常有缺测，在NCL中，使用求均值函数会自动略过，而在python中，当任意一数与缺测(np.nan)计算的结果均为np.nan，比如求[1,2,3,4，np.nan]的平均值，结果为np.nan
因此，当数据存在缺测数据时，通常使用np.nanmean()函数，用法同上，此时[1,2,3,4，np.nan]的平均值为(1+2+3+4)/4 = 2.5
同样的，求某数组最大最小值时也有np.nanmax(), np.nanmin()函数来补充np.max(), np.min()的不足。
其他很多np的计算函数也可以通过在前边加‘nan’来使用。
另外，
也可以直接将a中缺失值全部填充为0。
np.std(a, axis, dtype)
用法同np.mean()
在NCL中有直接求数据标准化的函数dim_standardize()
其实也就是一行的事，根据需要指定维度即可。
皮尔逊相关系数：
相关可以说是气象科研中最常用的方法之一了，numpy函数中的np.corrcoef(x, y)就可以实现相关计算。但是在这里我推荐scipy.stats中的函数来计算相关系数：
这个函数缺点和有点都很明显，优点是可以直接返回相关系数R及其P值，这避免了我们进一步计算置信度。而缺点则是该函数只支持两个一维数组的计算，也就是说当我们需要计算一个场和一个序列的相关时，我们需要循环来实现。
其中a[time,lat,lon]，b[time]
(NCL中为regcoef()函数)
同样推荐Scipy库中的stats.linregress(x,y)函数：
slop: 回归斜率
intercept：回归截距
r_value： 相关系数
p_value： P值
std_err： 估计标准误差
直接可以输出P值，同样省去了做置信度检验的过程，遗憾的是仍需同相关系数一样循环计算。