python 编程语言具有近似数据的能力。也就是说，科学地近似函数并将数字四舍五入为特定且精确的数字。 python 中的许多数学函数看起来简洁且符合人体工程学，例如范围、向量等。
随机函数允许您通过变量/数组的所有可能值运行算法。整数的随机数近似函数 (randint) 创建了代码工作的可移植性。
紧凑的赋值函数 =，而不是 c/c 中的 :=，让您不必专注于逻辑运算。使用缩进 (tab) 可以让您避免用方括号 {} 来突出显示函数的开头和结尾而使代码变得混乱。
jupyter notebook 使使用函数变得更加容易，因为它下面有扩展范围的库。即使是具有大量数据样本的机器学习也只需几分钟即可在代码中运行。
您不必考虑项目启动文件夹中文件的布局，您可以将所有内容存储在一个地方（.ipynb 文件）。
A = matrix_gen(10)
for i in range(10):
for j in range(10):
print('{0:8.5f}'.format(A[i,j]), end = ' ')
print()
print()
x = opinion_gen(10)
for i in x:
print('{0:8.2f}'.format(i), end = ' ')
print()
表格数据的格式化输出基于具有整数限制和指定小数点后值的格式函数。与其他面向对象编程语言的差异很小，但从解决数学复杂问题的角度来看，这是令人愉快的。
