课上笔记(3)(Python)

本文深入讲解Python函数的定义、调用及各类参数的使用,包括默认值参数、关键参数、可变长度参数等,同时探讨了全局变量的作用及lambda表达式的应用。

课上笔记(3)(Python)

  • 学习使我快乐
函数
  • 首先。定义一个函数
公式:

	def 函数名(形式参数(用来输入参数)):
		"""注释,函数有几个参数,函数用来干嘛的,函数的参数分别是干嘛的"""
		函数内容主体
		renturn 返回的值
输入:

	def fib(n):
	    """n是一个数字,函数是用返回小于n的所有斐波那契数列的总数,返回值是小于n的斐波那契数列的总数"""
	    a,b=1,1
	    c = []
	    while a<n:
	        a,b=b,a+b
	        c.append(a)
	    c = len(c)
	    return c

返回:
	c
  • 在这之后我们将进入主函数:
    在那之前我们首先需要进入主函数的一个“开门”的过程
即:

	if __name__=='__main__':

然后就是:

 输入:
	def fib(n):
		"""n是一个数字,函数是用返回小于n的所有斐波那契数列的总数,返回值是小于n的斐波那契数列的总数"""
	    a,b=1,1
	    c = []
	    while a<n:
	        a,b=b,a+b
	        c.append(a)
	    c = len(c)
	    return c
	    
	if __name__=='__main__':
		print(fib(15))


输出:

	7

实际上这个程序的真正的开始是从主函数也就是

if __name__=='__main__':

开始的,而当运行到达了调用函数之时,转而进入对应的 【“def 函数“ 】之中
在运行函数主体完毕后,回到主函数继续运行。
####有关函数中的变量
函数中有的变量可以和程序主体是一样的,但是代表的意义是不同的。

  • 函数和程序主体是在两个栈进行的。
    即:
可以理解成,函数和主体都是在不同的房间里闭门造车,程序主体把任务交给函数以后,函数在自己的房间里完成任务,上交一个结果给程序主体。但是函数也就交给程序主体了一个结果,而除了这个结果以外,什么都无法影响到程序主体。

即:

输入:

	def hanshu(n):
	    """n是一个数字,函数是用来将实际参数+1,返回的是n+1的值"""

	    c = n+1
	    print('函数里的c是%d'%c)
	    return c
	    
	if __name__=='__main__':
	    c = 0
	    d = hanshu(8)
	    print('函数上交给程序主体的结果d是%d'%d)
	    print('程序主体里的c是%d'%c)

输出:
	函数里的c是9
	函数上交给程序主体的结果d是9
	程序主体里的c是0
默认值参数

在定义参数时允许存在没有实际参数的情况,这时就需要默认参数了

首先,默认函数的公式是
:
	def 函数名(d=默认的值)
如果有默认参数以及非默认参数:默认参数一定要在整个小括号最右面
:
	def 函数名(n,w,d=默认的值,p =默认的值,z=默认的值)
输入:

	def hanshu(n,z=2):
		"""n是一个数字,z是一个数字,函数是用来求z和n的和,返回的是n+z的值"""

	    c = n+z
	    print('函数里的z是%d'%z)
	    print('函数里的c是%d'%c)
	    return c
	    
	if __name__=='__main__':
	    c = 0
	    d = hanshu(8)
	    print('函数上交给程序主体的结果d是%d'%d)
	    print('程序主体里的c是%d'%c)

输出:

	函数里的z是2
	函数里的c是10
	函数上交给程序主体的结果d是10
	程序主体里的c是0

输入:

	def hanshu(n,z=2):
		"""n是一个数字,z是一个数字,函数是用来求z和n的和,返回的是n+z的值"""

		c = n+z
		print('函数里的z是%d'%z)
	    print('函数里的c是%d'%c)
	    return c
	    
	if __name__=='__main__':
		c = 0
		d = hanshu(8,3)
	    print('函数上交给程序主体的结果d是%d'%d)
	    print('程序主体里的c是%d'%c)

输出:

	函数里的z是3
	函数里的c是11
	函数上交给程序主体的结果d是11
	程序主体里的c是0

关键参数

指定实际参数的值,个人觉得如果能记住顺序或者实际参数少的话这东西是没什么用的,但是假如你记不住顺序,这东西就很好用的。

  • 直接按照变量名一一对应就好了
输入:

	def hanshu(n,z):
		"""n是一个数字,z是一个数字,函数是用来求z和n的和,返回的是n+z的值"""

		c = n+z
		print('函数里的z是%d'%z)
	    print('函数里的c是%d'%c)
	    return c
	    
	if __name__=='__main__':
		c = 0
		d = hanshu(n=8,z=3)
	    print('函数上交给程序主体的结果d是%d'%d)
	    print('程序主体里的c是%d'%c)

输出:

	函数里的z是3
	函数里的c是11
	函数上交给程序主体的结果d是11
	程序主体里的c是0

也可以调换实际参数的顺序

输入:

	def hanshu(n,z):
		"""n是一个数字,z是一个数字,函数是用来求z和n的和,返回的是n+z的值"""

		c = n+z
		print('函数里的z是%d'%z)
	    print('函数里的c是%d'%c)
	    return c
	    
	if __name__=='__main__':
		c = 0
		d = hanshu(z=8,n=3)
	    print('函数上交给程序主体的结果d是%d'%d)
	    print('程序主体里的c是%d'%c)

输出:

	函数里的z是8
	函数里的c是11
	函数上交给程序主体的结果d是11
	程序主体里的c是0
可变长度参数
  • *parameter ←用来接收任意多个实际参数,并且将其放在一个元组中:
输入:
		def demo(*p):
			print(p)
			
		if __name__=='__main__':
			demo(1,2,3)

输出:
		(1,2,3)
  • **parameter ←接收类似关键参数形式的赋值形式组成字典:
输入:
		def demo(**p):
			print(p)
			
		if __name__=='__main__':
			demo(a=1,b=2,c=3)

输出:
		{'a':1 , 'b':2 , 'c'=3 }
参数传递时的序列解包

如果实际参数是整个Python容器中的元素,那么你大可以不比a[0],a[1]这样,而是进行序列解包即可,Python会帮助你自动按顺序进行赋值

  • 元组:
输入:
		def demo(a,b,c):
			print(a,b,c)

		if __name__=='__main__':
			a = (1,2,3)
			demo(*a)

输出:
		1 2 3
  • 列表:
输入:
		def demo(a,b,c):
			print(a,b,c)

		if __name__=='__main__':
			a = [1,2,3]
			demo(*a)

输出:
		1 2 3
  • 字典
首先你要知道,字典在解包时默认是赋值key
输入:
		def demo(e,d,g):
			print(e,d,g)
		if __name__=='__main__':
			a = {'a':1 , 'b':2 , 'c':3}
			demo(*a)

输出:
		a b c
但是如果你想要解包字典的value,那就需要values()方法了
输入:
		def demo(e,d,g):
			print(e,d,g)
		if __name__=='__main__':
			a = {'a':1 , 'b':2 , 'c':3}
			demo(*a.values())

输出:
		1 2 3

就在此时我突然萌生了这样一个想法:如果Python容器中元素的数量大于形式参数的数量会怎样?

首先我猜测大于的可能无效

输入:
		def demo(a,b,c):
			print(a,b,c)

		if __name__=='__main__':
			a = [1,2,3,4,5]
			demo(*a)

输出:
		报错:
		TypeError: demo() takes 3 positional arguments but 5 were given

那如果形式参数的数量大于Python容器中元素的数量呢?

首先我猜测可能是none

输入:
		def demo(a,b,c,d,e):
			print(a,b,c)

		if __name__=='__main__':
			a = [1,2,3]
			demo(*a)

输出:
		报错:
		TypeError: demo() missing 2 required positional arguments: 'd' and 'e'
全局变量
  • 之前我们提到过,函数中的变量和主程序的变量是不同的,但是实际参数和形式参数赋值来赋值去的会很麻烦,于是就有人做出了全局变量→使用global声明这个变量为全局变量
输入:
		def demo(x, y):
    		global a
   		 	a = x + 1
   	 		b = y + 2
    		print(a, b)
		if __name__=='__main__':
    		a, b = 1, 3
    		demo(a, b)
    		print(a, b)

输出:
		2 4
		2 3

我们可以看到,我们使用global声明过的变量a,在经过demo函数以后变化了,而未使用global声明过的变量b,则还是原来赋予的值。

global可以同时声明多个变量
输入:
		def demo(x, y):
    		global a, d, c
   		 	c = 100
   	 		d = 99
    		a = x + 1
    		b = y + 2
    		print(a, b)
		if __name__=='__main__':
    		a, b = 1, 3
    		demo(1, 2)
    		print(a, b, c, d)

输出:
		2 4
		2 3 100 99
lambda表达式

用来声明匿名函数:无名字的小函数(即:临时)
适合用于需要一个函数作为另一个函数参数的地方,
其计算结果看一看做函数的返回值,其表达式可以调用其他函数。

  • lambda 形参:函数体:
输入:
		f = lambda x, y, z:x+y+z
		print(f(1, 2, 3))

输出:
		6
  • lambda函数其实和def创建函数没啥区别:
输入:
		a = [1, 2, 3, 4, 5]
		print(list(map(lambda x:x+10, a)))

输出:
		[11, 12, 13, 14, 15]
输入:
		def demo(n):
    		n = n+10
    		return n

		if __name__=='__main__':
    		a = [1, 2, 3, 4, 5]
    		print(list(map(demo, a)))
  
 输出:
 		[11, 12, 13, 14, 15]
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理平衡数据,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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