Learning Python 010 函数 2

Q-learning原理及其实现方法 Q_learning原理及其实现方法声明简介Q_learning算法Q_learning算法流程 声明 学习博客快乐的强化学习1——Q_Learning及其实现方法,加之自己的理解写成,同时欢迎大家访问原博客 简介 Q-Learning是一种 value-based 算法,即通过判断每一步 action 的 value来进行下一步的动作,以人物的左右移动为例,Q-Learning的核心Q-Tabl... 阅读详情

Python 函数 2

函数的参数

位置参数(普通,正常的参数)

随便编写一个求x^n的值的函数power(x, n):

def power(x, n):
    s = 1
    while n > 0:
        n = n - 1
        s = s * x
    return s

我们调用这个函数,需要传入两个参数,这个两个参数也叫做位置参数:

>>> power(5, 2)
25

如果我们给power()函数只传入1个参数,会这样:

>>> power(5)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: power() missing 1 required positional argument: 'n'

显然会报错,这个时候,提示的错误大概意思是说:你需要在传入一个n参数。

如果我们就像给power(x, n)函数传入1个参数,要怎么做?这个时候,就是要是默认参数了。

默认参数

默认参数在其他高级语言里也用,C/C++也有,你可以一时想不起来,但是,只要上代码,你就知道什么是默认参数了:

def power(x, n=2):
    s = 1
    while n > 0:
        n = n - 1
        s = s * x
    return s

现在,这个形参n就是默认参数。

Q:使用默认参数有什么好处?
A:最大的好处是能降低调用函数的难度。
怎么就降低了函数的调用难度呢:一共两个方面:
1. 参数的数量。对于power(x, n)函数,参数数量可以是1个,也可以是2个。
2. 参数的顺序。如果有更多的参数,我们可以这样使用函数power(2, n=2),默认参数对输入顺序没有要求。


对于默认参数一定要注意一点:必须使用不变对象,想:list这种可变的参数:不要使用。举例:

def add_end(L=[]):
    L.append('END')
    return L

这个函数,你不给它传入参数时,如果你多次调用,会得到下面的结果:

>>> add_end()
['END']
>>> add_end()
['END', 'END']
>>> add_end()
['END', 'END', 'END']

如果你给它参数参数,它却可以正常的使用,不会出现上面的错误结果:

>>> add_end([1, 2, 3])
[1, 2, 3, 'END']
>>> add_end(['x', 'y', 'z'])
['x', 'y', 'z', 'END']

Q:这是为什么?
A:解释:每次调用该函数,如果改变了L的内容,则下次调用时,默认参数的内容就变了,不再是函数定义时的[]了。
所以,结论就是,add_end()函数你写的不对,正确的写法是这样的:

def add_end(L=None):
    if L is None:
        L = []
    L.append('END')
    return L

现在就对了,你可以试试,不管你调用几次,都没有问题。

可变参数

Q:什么是可变参数?
A:就是指针!

举个例子,看下面的程序:

def calc(*numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum

这个calc(*numbers)函数,我可以随便个它传入参数:

>>> calc(*[1, 2, 3])
14
>>> calc(*(1, 3, 5, 7))
84
>>> nums = [1, 2, 3]
>>> calc(nums[0], nums[1], nums[2])
14
>>> calc(1, 2, 3)
14
>>> calc(1, 3, 5, 7)
84
>>> calc()
0

这个可变参数几乎无敌,它允许你传入0个或任意个参数。(解释:这些可变参数在函数调用时自动组装为一个tuple。)所以说,玩转指针,你就牛逼了。

关键字参数

Q:什么是关键字参数?
A:**para这样的参数就是所谓的关键字参数。
举例:

def person(name, age, **kw):
    print('name:', name, 'age:', age, 'other:', kw)

这个**kw参数可以不赋值,也可以随便赋值:

>>> person('Michael', 30)
name: Michael age: 30 other: {}
>>> person('Bob', 35, city='Beijing')
name: Bob age: 35 other: {'city': 'Beijing'}
>>> person('Adam', 45, gender='M', job='Engineer')
name: Adam age: 45 other: {'gender': 'M', 'job': 'Engineer'}

看到了吧,这就是关键字参数。
Q:那它究竟有什么作用?
A:也是,降低了函数的调用难度,并且可以扩展函数的功能。比如,这个person()函数,我们只需要保证能够接受到name和age这个两个参数就可以,如果调用者愿意提供更多的参数,我们也能收到。使用起来相当的灵活。

>>> extra = {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, city=extra['city'], job=extra['job'])
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}
>>> person('Jack', 24, **extra)
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}

注意:kw获得的dict是extra的一份拷贝,对kw的改动不会影响到函数外的extra。

命名关键字参数

命名关键字参数就是:调用者依然可以不受限制的向person()函数传入形参,但是我们只接受指定的几个参数。

def person(name, age, *, city, job):
    print(name, age, city, job)

其中*后面的参数就都是命名关键字参数。(命名关键字参数需要一个特殊分隔符*)。

第2种写法:

def person(name, age, *args, city, job):
    print(name, age, args, city, job)

如果函数定义中已经有了一个可变参数,那么后面跟的形参就都是命名关键字参数,不需要特意在指定特殊分隔符*。

严重注意:
命名关键字参数必须传入参数名,这和位置参数不同。如果没有传入参数名,即使参数的顺序正确,调用依然报错:

>>> person('Jack', 24, 'Beijing', 'Engineer')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: person() takes 2 positional arguments but 4 were given
>>> person('Jack', 24, city = 'Beijing', job = 'Engineer')
Jack 24 Beijing Engineer

解释:
如果命名关键字参数没有写参数名,Python解释器把这4个参数均视为位置参数。
所以,既然命令关键字参数是可选输入的,所以命令关键字参数需要些默认值。程序还要改:

def person(name, age, *, city='Beijing', job='Engineer'):
    print(name, age, city, job)

这样,程序就完美了。


总结:
1. 必须使用*作为特殊分隔符,它是为Python解释器识别位置参数和命名关键字参数用的。
2. 如果有可变参数,就不需要特意在加*了,可变参数后面跟着的默认为命名关键字参数。
3. 命名关键字参数必须赋默认值。

参数组合

Python中,函数的形参是上面这么多的形式。如果组合使用,顺序必须注意:必选参数、默认参数、可变参数、命名关键字参数和关键字参数, 这样的顺序。

def f1(a, b, c=0, *args, **kw):
    print('a =', a, 'b =', b, 'c =', c, 'args =', args, 'kw =', kw)

def f2(a, b, c=0, *, d, **kw):
    print('a =', a, 'b =', b, 'c =', c, 'd =', d, 'kw =', kw)

调用:

>>> f1(1, 2)
a = 1 b = 2 c = 0 args = () kw = {}
>>> f1(1, 2, c=3)
a = 1 b = 2 c = 3 args = () kw = {}
>>> f1(1, 2, 3, 'a', 'b')
a = 1 b = 2 c = 3 args = ('a', 'b') kw = {}
>>> f1(1, 2, 3, 'a', 'b', x=99)
a = 1 b = 2 c = 3 args = ('a', 'b') kw = {'x': 99}
>>> f2(1, 2, d=99, ext=None)
a = 1 b = 2 c = 0 d = 99 kw = {'ext': None}

更可气的是:通过一个tuple和dict,你也可以调用上述函数:

>>> args = (1, 2, 3, 4)
>>> kw = {'d': 99, 'x': '#'}
>>> f1(*args, **kw)
a = 1 b = 2 c = 3 args = (4,) kw = {'d': 99, 'x': '#'}
>>> args = (1, 2, 3)
>>> kw = {'d': 88, 'x': '#'}
>>> f2(*args, **kw)
a = 1 b = 2 c = 3 d = 88 kw = {'x': '#'}

小技巧:
对于任意函数,都可以通过类似func(*args, **kw)的形式调用它,无论它的参数是如何定义的。


  • 可见Python语言的灵活。如果使用C++取实现一个这种函数的功能,需要写多少重载方法啊!
  • Python非常适合实验室做程序。就是,突然有一个灵感涌现,我们快速的使用Python编写一段脚本程序,来测试一下这个灵感的可行性。

递归函数

这的重点是讲Python,而不是递归。要说起递归,那是有很多好讲的,有许多的技巧。递归的思想很简单,但是写起程序来很绕。
随便写一个:

def fact(n):
    if n==1:
        return 1
    return n * fact(n - 1)

Python使用自己写的递归函数时,注意的事情就是:传入的值不要太大,容易产生栈溢出错误。

>>> fact(1000)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 4, in fact
  ...
  File "<stdin>", line 4, in fact
RuntimeError: maximum recursion depth exceeded in comparison

参考网站:
http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014316784721058975e02b46cc45cb836bb0827607738d000

010Editor逆向工程实战:从爆破到注册机算法还原 软件逆向工程是安全研究领域的基础技能,其核心原理是通过静态分析与动态调试技术,深入理解程序内部逻辑与数据流。这项技术的价值在于揭示软件保护机制、漏洞挖掘及协议分析,广泛应用于恶意软件分析、软件兼容性开发与安全审计等场景。在实战中,算法还原与反调试对抗是两大关键挑战,涉及对加密算法常量的识别与复杂校验逻辑的梳理。本文以010Editor十六进制编辑器的授权机制为例,系统演示了从定位验证函数、动态调试爆破,到逆向核心算法并最终实现注册机(Keygen)的完整流程,为逆向工程学习提供了清晰的进阶路径。 阅读详情

相关推荐

用Python和Pandas手搓一个Q-learning寻宝游戏(附完整代码和可视化)

本文详细介绍了如何使用Python和Pandas实现一个基于Q-learning的寻宝游戏,包括环境搭建、Q-table构建、ε-greedy策略实现以及可视化训练过程。通过完整的代码示例和逐步解析,帮助读者理解强化学习中的核心概念和Q-learning算法在实际应用中的实现方法。

weixin_30271335的博客 735

QLearning算法实现(python)

Q学习、QLearning算法的讲解

qq_44600572的博客 4902

探索Python中的强化学习:Q-learning

Q-learning是一种基于值函数的强化学习方法,用于学习在不同状态下采取不同行动的价值。它通过迭代地更新Q-value(行动-状态值函数),使得智能体可以根据当前状态选择最优的行动,并逐步优化策略以获得最大的累积奖励。

Echo_Wish 1065

强化学习系列(二):Q learning算法简介及python实现Q learning求解TSP问题

目录 一、什么是Q learning算法? 1.Q table 2.Q-learning算法伪代码 二、Q-Learning求解TSP的python实现 1)问题定义 2)创建TSP环境 3)定义DeliveryQAgent类 4)定义每个episode下agent学习的过程 5) 定义训练的主函数 6)实验结果 1. 环境创建 2.实例化agent类 3.agent训练学习 一、什么是Q learning算法? Q-learning......

zhugby的博客 9166

18. 强化学习(Q Learning) python代码实现

Q函数、greedy策略,强化学习基础实例,采用python语言代码实现

python q-learning

一个用python语言来实现的 q-learning实例,供学习参考。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

Python Q-learning 算法详解与应用案例

本文详细介绍了 Q-learning 的基本原理,提供了 Python 中的面向对象实现,并通过简单环境和迷宫游戏的案例展示了其应用。Q-learning 是一种强大的强化学习工具,在多种领域有广泛的应用潜力。希望本文能为读者理解和应用 Q-learning 提供帮助。

闲人编程的博客 3179

3DGS实战笔记:从相机坐标系到屏幕像素,手把手推导高斯椭球的投影变换矩阵

本文详细解析了3D高斯散射(3DGS)技术中从相机坐标系到屏幕像素的几何变换过程,重点推导了高斯椭球的投影变换矩阵。通过视图变换、投影变换和视口变换的完整流程,结合雅可比矩阵处理协方差矩阵,实现了高效的三维重建与渲染。文章提供了Python代码示例,帮助开发者深入理解3DGS的核心几何变换机制。

weixin_28691741的博客 441

Blender使用python代码绘画:一个简单例子

Blender是一款开源的三维计算机图形软件,它提供了广泛的功能,包括建模、动画、渲染、视频编辑等。Blender还支持Python编程接口,允许用户通过编写脚本来控制和定制软件的各个方面。Blender的功能非常强大,它被广泛应用于电影制作、动画制作、游戏开发等领域。由于其开源的特性,Blender还拥有一个活跃的社区,用户可以分享插件、教程和艺术作品。Blender曾用于《流浪地球》最后那个宏大场面:行星发动机从地球表面发射并将地球推向太空的壮观景象的CG生成。

skywalk8163的专栏 4849

STM32低功耗模式下ADC采样抖动的5个隐藏陷阱及解决方案(实测避坑)

本文深入探讨了STM32低功耗模式下ADC采样抖动的5个常见陷阱及解决方案,包括多通道采样电压跃迁、外设开关信号稳定、低功耗模式与ADC时钟同步、输入阻抗失配以及基准电压稳定性问题。通过实测数据和优化代码示例,帮助工程师有效规避ADC采样数据抖动问题,提升物联网设备的测量精度和稳定性。

weixin_30316097的博客 383

DDR5内存调优实战:手把手教你搞定Write Leveling Training Mode(附时序图解析)

本文深入解析DDR5内存调优中的Write Leveling Training Mode技术,详细介绍了其核心原理、硬件准备、实战步骤及常见问题解决方案。通过JESD79-5标准定义的反馈机制,帮助硬件工程师精确对齐DQS与CK信号,提升系统稳定性和数据可靠性。附有时序图解析和代码示例,适合DDR5内存系统设计与调试参考。

weixin_29256771的博客 552

Learning Python 010 函数 1

Python 函数 1调用函数举个例子多于Python内部的函数,你可以在Python的交互式终端中使用help()函数来查看函数的使用方法。比如:abs()函数,如果你不知道如何使用它,你可以在Python的交互式终端中输入:>>> help(abs)你会看到下面的输出信息:Help on built-in function abs in module builtins:abs(x, /)

AoboSir.com 1万+

从PHY芯片看工业网络精准时钟:IEEE 1588v2(PTP)协议实现与选型指南

本文深入解析了工业网络中IEEE 1588v2(PTP)协议的实现与PHY芯片选型要点。通过对比KG7101、RTL8211F等芯片的关键参数,揭示硬件时间戳对纳秒级时钟同步的决定性作用,并提供PTP网络设计中的拓扑布局与配置优化技巧,助力工业自动化场景实现精准时间同步。

weixin_42628688的博客 507

关于实现以井字棋为基础的Q-learning

Q-learning我就不细说了,这是莫烦大神在他自己的官网上的教程 不光有Q-learning Q-learning简而言之就是通过建立一种S,A之间的Q表,通过设定奖励(reward)机制不断训练,最终训练出一个能够自己向着设定的奖励(reward)以相对来说较为高效的方式行动,最终有效的得到奖励 井字棋的规则也不细说了 三字连珠即为胜利,下满整个棋盘双方都没有三字连珠即为平局 用的是python,人工智能这方面用python太方便了(库真的多的一批,直接就用) import random import

viggio的博客 861

CMMI AIM 人工智能成熟度框架:31个过程域的157项AI实践集成

CMMI AIM人工智能成熟度框架为企业提供了系统化管理AI项目全生命周期的解决方案,包含31个过程域的157项AI实践。该框架通过四个演进阶段(混沌与风险、结构与凝聚、验证与信任、价值与增长),帮助组织建立可持续的AI能力成长路径,降低项目失败率并提升商业价值。

weixin_42613501的博客 356

Dify框架面试内容整理-如何优化Dify的应用性能?

为1536维)可选用 PCA、FAISS 的量化压缩方法降低维度(如128、256、512);对知识库预览、任务流配置等页面,使用 nginx/cache-control 减少请求。API 响应耗时(P50/P95)、Token 使用量、缓存命中率、向量检索耗时;对 Prompt+输入内容计算 Hash,缓存相同请求的返回结果;使用占位符 + 函数拼接,按需组合 Prompt,而非静态长模板;数据量大时,应在构建索引前清洗冗余段落、统一格式,避免重复向量。维度越低,检索越快,但可能影响召回准确度,需平衡。

不务正业的猿 1552

用Python和Pandas手把手实现你的第一个Q-learning寻宝游戏(附完整代码)

本文手把手教你使用Python和Pandas实现第一个Q-learning寻宝游戏,涵盖强化学习核心概念、Q-table构建、ε-greedy策略实现等关键内容。通过完整代码示例,帮助初学者掌握Q-learning算法在游戏AI中的应用,为后续复杂强化学习项目打下坚实基础。

weixin_30367169的博客 155

华为OD机试双机位C卷-热点网站统计 (Py/Java/C/C++/Js/Go)

华为OD机试双机位C卷 热点网站统计,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解。 华为od机考真题 - 热点网站统计。

qq_45776114的博客 780

python learning4

字符串方法#分割 #s.split()将s按照空格(包括多个空格,制表符\t,换行符\n等)分割,并返回所有分割得到的字符串。 line = "1 2 3 4 5" numbers = line.split() print numbers => ['1', '2', '3', '4', '5']#s.split(sep)以给定的sep为分隔符对s进行分割 line = "1,2,3,4,5" nu

Nautilus for sailing 408

双目摄像头全景解析:从几何光学到深度智能

双目视觉系统基于仿生学原理,通过水平排列的双摄像头模拟人眼视差机制实现三维感知。其核心是通过标定、校正、匹配等算法流程,将视差转换为深度信息,最终生成三维点云。该系统在自动驾驶、机器人导航、工业检测等领域有广泛应用,但面临弱纹理、重复图案等挑战。未来发展趋势包括与事件相机、深度学习等技术的融合,进一步提升精度和动态性能。

reset2021的博客 120

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

用Python和Pandas手把手教你实现Q-learning寻宝游戏(附完整代码)

本文通过Python和Pandas手把手教你实现Q-learning寻宝游戏,详细介绍了强化学习中的Q-table构建、ε-greedy策略和时序差分更新等核心概念。附完整代码,帮助开发者快速掌握Q-learning算法在实际项目中的应用。

weixin_38166905的博客 264

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

python-machine-learning-book实战:用Pandas处理缺失值

在机器学习项目中,缺失值是数据预处理阶段最常见的挑战之一。不合理的缺失值处理可能导致模型性能下降或得出错误结论。本文基于python-machine-learning-book项目,详细介绍如何使用Pandas(Python数据分析库)识别和处理缺失值,帮助你构建更可靠的训练数据。项目中完整的缺失值处理理论可参考[官方文档](https://link.gitcode.com/i/6e786e8f4...

gitblog_01145的博客 671

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Python Machine Learning-Chapter4

Chapter4 Building Good Training Sets – Data Preprocessing 4.1 Dealing with missing data  如何判断数据框内的数据是否有空值呢? import pandas as pd from io import StringIO csv_data = '''A, B, C, D 1.0,2.0,3.0,4...

weixin_30611509的博客 206

Mulesoft 函数式编程语言Dataweave01 选择器

DataWeave是什么类型的语言?这个语言的边界是什么?也就是什么能做什么不能做?函数式编程的语言,我在这里说函数式编程语言有什么特性,Java,Python之类的都可以,Java是1.8之后支持的函数式编程。我举个例子,看不懂的话,大家当着伪代码来看,我来解释一下,详细的内容后面会说。

weixin_46077528的博客 1178
上一篇: Learning Python 010 函数 1
下一篇: Learning Python 011 高级特性 1
AoboSir
博客等级 码龄10年 996粉丝 285原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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