Python 项目开发入门与进阶(第7天)

本文详细介绍了Python中集合的基本概念与操作方法,包括集合的创建、特性及常用操作如交集、并集等。此外,还深入探讨了字符串格式化的多种方式,通过实例展示了如何使用传统的百分号方法以及format方法进行高效格式化。
1.集合
由不同元素组成
元素不可变
元素是无序的
s = {1,2,3}
s = set('hello')
s = set(['hello', 'World'])
2. 集合特征
add()
clear()
copy()
pop()#随机删除
remove()#删除不存在就会报错
discard()#删除不存在不会报错
intersection()#求交集&
union()#求并集|
difference()#求差集-
symmetric_difference#求交叉补集^
difference_update()#求差集并更新
intersection_update()
isdisjoint()#是否有非空交集
issubset()#是否是子集
issuperset()#是否是父集
3. frozenset()#不可变集合
4.字符串格式化
print('I am %s'%'mfc')
print('I am %s,my age is %d'%('mfc', 29))
print('I am %s,my score is %.2f %%'%('mfc', 99.521))
print('I am %(name)s,my score is %(age).2f'%{'name':'mfc', "age":99.521))
5.format
tp = 'I am {}, age {}'.format("Seven", 18)#应该一一对应
tp = 'I am {1}, age {0}'.format("Seven", 18)
tp = 'I am {name}, age {age}'.format(name = "Seven", age=18)
tp = 'I am {name}, age {age}'.format(**{'name' : "Seven", 'age'=18})
tp = 'I am {0[0]}, age {1[0]}'.format([0,1], [2,3]})
tp = 'I am {:s}, age {:d}'.format("Seven", 18)
tp = 'I am {:s}, age {:d}'.format(*["Seven", 18])
6. 函数定义
def test(x):
"the function definitions"
x += 1
return x

def:定义函数的关键字
test:函数名
():形参
“”:文档描述
x += 1:代码块
return:返回值
7. 过程:没有返回值的函数, 
无返回值,默认是none
一个返回值,就是这个对象
多个返回值,就是元组
8. 函数参数
形参,实参
位置参数,关键字参数
位置参数必须在关键字参数左边
默认参数
参数组:非定长参数, **字典,*列表
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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