课后笔记1

本文深入讲解Python中的参数类型、变量作用域、匿名函数、排序方法及迭代器等核心概念,并通过实例演示如何运用这些基本元素进行高效编程。

首先预习一下前面的内容

普通参数,默认参数,可变参数*(列表,元组)关键字参数**(字典)

1 不可变类型:变量赋值a=5后再赋值a=10,这里实际是新生成一个int值对象10,再让a指向它,而5被丢弃,不是改变a的值,相当于新生成了a

2 可变类型:变量赋值la=【1,2,3,4】后再赋值la【2】=5则是将list la的第三个元素值更改,本身la没有动,只是其内部的一部分值被修改了。

3 Strings,tuples(元组),numbers是不可更改的对象

List(列表),dict(字典)是可以修改的对象

形参(叫什么名字都可以)实参(有实际值得参数)



1变量作用域(使用范围)

全局变量和局部变量的作用域不同

生命周期不同:(函数结束了局部变量就结束了,全局变量存在较长因为作用域比较大)

1   全局变量:(在函数外面定义变量都可以使用,一般定义全局变量前面加g_(global),全局变量和局部变量的作用域不同)

2   局部变量:(在函数里面定义变量只有该函数可以使用,当全局变量和局部变量同名时,局部变量优先)

如果要在局部变量里改变全局变量的值需要打上global (全局变量的名字)然后重新赋值  例如global g(告诉程序这里是一个全局变量

2 匿名函数:(用lamdba表示,一行完成)

例如:

                  Aum=Lambda arg1,arg2:arg1+arg2;(这是匿名函数写法)

                 Aum=def xxx(arg1,arg2)                   (这是普通函数的写法)

                 arg1+arg2

              sum=lambda rag1,arg2:arg1+arg2;

              Print(sum(10,20))

filter(过滤)例如:

foo=【2,18,22,9,17,24,8,12,27】

filter(lamdba x:x%3==0,foo)(表示剩下的是foo列表中能被3整除的数字其中x代表foo列表中的每一个元素,输出结果的时候需要遍历这个新产生的列表才行不能直接print)

map(lambda里面怎么写就得到什么结果):例如

map(lamdba x:x*2+10,foo)(表示foo列表中的每一个数字*2加10)

reduce(一直相加或者别的运算)例如:

(lamdba x,y:x+y,foo)(表示将foo列表中的数字一直相加)(如果想用这个函数要导入from functools imprt reduce)

filter,map,reduce(三个重要的大数据用到的函数)

map案例:

map(lambda x:x%2,range(7))(表示生成一个0-6的列表然后每一个和2取余)

sum(求和)但没有求积的函数,请利用reduce()来求积

2 sorted(排序)


python内置的 sorted()函数可对列表和字典进行排序

例如 :

sorted(【36,5,12,9,21】)

经过sorted排序之后就成了【5,9,12,21,36】


如果倒叙排列例如:

Abc=【1,2,4,5,6,8,4,5】

Print(Sorted(abc,reverse=Ture))(这样abc这个列表就是倒叙排列)

字典排序例如:

abc={1:2,2:3,3:4}

按照键进行排序就是

Print(sorted(abc))(这样的结果就是1.2.3按照键进行排序不显示值)

按照值进行排序就是:

Print(sorted(abc.values()))(这样的结果就是2.3.4按照值进行排序)

Sorted后面可以加上lamdba条件前面加上key=

sorted()是一个高阶函数,它可以接受一个比较函数来实现自定义排序,比较函数的定义是,传入两个待比较的元素例如xy,如果x应该排在y的前面,返回-1,如果x应该排在y的后面,返回1。如果xy相等,返回0.

因此,如果我们要实现倒叙排列,只需要编写一个reversed-cmp函数

Reversed-cmp(比较规则)

3 sort排序

Sort()排序方法

abc.sort()是对原有列表进行排序改变原来列表的顺序,无返回值

print(abc)就是改变后的列表

sorted()排序方法

排序时不影响原数据,产生新的排序数据

Print(sorted(abc))排序后的结果

Print(abc)还是原来的结果

Sort语法是列表名.sort()(sort没有返回值不能直接输出)

sorted语法是 sorted(列表名)(sorted有返回值可以直接输出)

4 随机数:

使用random随机数之前需要导入 import random

1 random.choice(range(1,34))随机取1-33之间的1个随机数可能重复

2 random。choices(range(1,34),k=6,whight=range(1,34))可以产生6个,但有可能重复

3 random.sample(range(1,34),6)随机取6个,不重复,得到一个列表,但是没有排序

5迭代器和生成器

1 迭代器协议

迭代器是访问集合内元素的一种方式。迭代器对象从集合的第一个元素开始访问直到所有的元素都被访问一遍后结束。

2 迭代器协议:对象需要要提供next()方法,他要么返回下一个对象,要么引起一个stoplteration异常

3 可迭代对象,实现了迭代器协议的对象

4 for,max,min,sum等使用迭代器协议访问对象

构建迭代器的时候以一种延迟计算方式返回元素,这正是它的优点。比如列表含有一千万个整数,需要占超过400m的空间,迭代器只需要字节的空间。因为它并没有把所有元素装载到内存中,而是等到调用next方法时候才返回该元素,本质上for循环就是不断地调用迭代器next方法。

 

练习作业:


输入:[2, 4, 5, 7, 12]
输出:2*4*5*7*12的结果

foo=[2,4,5,7,12]
from functools import reduce
a=reduce(lambda x,y:x*y,foo)
print(a)
最终结果:3360
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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