python中的这些坑,早看早避免。

本文深入探讨Python编程中常见的陷阱,包括默认参数误用、for...else的巧妙应用、字典赋值的微妙之处、if判断优化、代码简洁书写技巧、闭包与惰性计算的误解、文件路径获取的正确方式、eval函数使用限制、循环语句效率对比及长字符串处理建议。

python中的这些坑,早看早避免。

python中的这些坑,早看早避免。

说一说python中遇到的坑,躲坑看这一篇就够了

传递参数时候不要使用列表

def foo(num,age=[]):
    age.append(num)
    print("num",num)
    return age
print(foo(1))
print(foo(2))
print(foo(3))

上面的代码输出的结果并不是我们预期的那样,打印出三个数组[1],[2],[3]。
而是下面这样.

num 1
[1]
num 2
[1, 2]
num 3
[1, 2, 3]

为什么会这样呢,原因就是参数age是一个列表,列表是一个可变对象,同时在作为函数参数时,相当于全局变量,在函数预处理时就已经分配了内存空间。那么我们如何修改呢?
其实很简单只要不让列表参数作为列表,一般可变类型对象作为参数的时候默认都是给定None,然后根据对象判断是否为空,如果为空再去定义成列表,修改如下:

def foo(num, age=None):
    if not age:
        age = []
    age.append(num)
    print("num", num)
    return age
print(foo(1))
print(foo(2))
print(foo(3))

for。。。else的使用场景

在刷pythontip的时候遇到这道题,觉得很有必要和大家普及下for。。else的用处,好了下面我们开始:
输出100以内的所有素数,素数之间以一个空格区分(注意,最后一个数字之后不能有空格)。

#在一般领域,对正整数n,如果用2到根号N之间的所有整数去除,均无法整除,则n为质数又叫素数。
import math

num = [] #存放1-100之间的素数
for i in range(2, 100):
    for j in range(2, int(math.sqrt(i)) + 1):
        if i % j == 0:
            break
    else:
        num.append(i) #根据定义如果都无法正常才加入
for index, i in enumerate(num):
    if index == len(num) - 1:
        print(i)
    else:
        print(i, end=" ")

根据关键语句「所有整数去除,均无法整除,则n为质数又叫素数。」,转化成程序也就是说在所有的的数字都循环完了,还不能出才作为质数,也就是最后的那个else,体现了这句话。由此可以看出for。。else还是挺重要的。

字典赋值

看下面的代码,猜想输出结果:

a = {}
a[1] = "A"
a[1.0] = "B"
a[2] = "C"
print(a)

如果不知道字典里的键和hash有关,就不会知道结果是下面这个样子

{1: 'B', 2: 'C'}

这是为什么呢?
因为,Python中的字典是通过检查键值是否相等以及哈希值来确定两个键是否相同.
具有相同值的不可变对象在Python中始终具有相同的哈希值.
因为
1=1.0
所以hash(1)==hash(1.0).同样的我们知道python中的true相等,我们试着
计算其hash值可以看到hash(1)==hash(True)。
由此我们可以得到如下等式:

hash(1)==hash(1.0)==hash(True)

因为只不可变对象才存在hash值所以 hash([])不存在。同样我们可以推断出

hash(0) == hash(False) == hash("")

根据PEP285中Review部分第6条所述,bool类其实是从int类继承而来.

print(isinstance(True, int))

关于if判断条件正确写法

python3中0=[]=()={}=None=False="",所以当我们在判断列表,或者字典字符串是否为空的时候不用再使用 a==None,这样的语句了。

a=[]
b={}
c=""
if not a:
   print("a不为空")
if not b:
   print("b不为空")
if not c:
   print("c不为空")

同样的代码少写

一般我们写if判断的时候,我们都写成下面这种形式:

if type == "A":
    print(1)
elif type == "B":
    print(2)

像这样的我们需要写好多重复代码的程序,此时就要考虑是否优化了,针对这种情况我们可以优先考虑字典。

my_dict = {"A":1, "B":2}  #etc
print(my_dict[type])

另外我们在使用给对象的属性赋值的时候

class A():
    def __init__(self,dicts):
        self.name=dicts["name"]
        self.age=dicts["age"]
        self.sex=dicts["sex"]
        self.hobby=dicts["hobby"]
if __name__ == '__main__':
     dicts={"name":"lisa","age":23,"sex":"women","hobby":"hardstyle"}
     a=A(dicts)

我们看到我们需要换取传入的字典的各个键值,并创建键值同名一个属性,这里我们只有4个还好,想象一下如果我们传入的字典有100个键。。。如何还是这样一个一个赋值不敢想不敢想,人家都写完代码了,你还在赋值有木有。。
其实一开始的那段代码已经给出了答案,如果不会也没关系,
下面我们就来点pythonic的python。来解决这个问题。
上面代码简化为:

class A():
    def __init__(self,dicts):
        self.__dict__.update(dicts)
        print(self.__dict__)

if __name__ == '__main__':
     dicts={"name":"lisa","age":23,"sex":"women","hobby":"hardstyle"}
     a=A(dicts)

小心闭包中的坑,python的惰性计算

我们观察下面的代码

ls = []
for x in range(5):
    ls.append(lambda: x**2)
print(ls[0]())
print(ls[1]())
print(ls[2]())

我们以为它会输出[0],[1],[4].但实际情况是。。。。。

16
16
16

这是什么鬼?
其实这和python的惰性求值有关。惰性求值,也就是延迟求值,表达式不会在它被绑定到变量之后就立即求值,而是等用到时再求值。x实际不在lambda的作用域中。只有当lambda被调用时,x的值才会被传给它。也就是最后的一次循环中x为4,后面的ls[1],ls[1],ls[2],ls[3]实际都是16。同时这是面试常考的一个点,希望大家牢记。
这个问题考察了闭包。

执行文件路径和当前路径

执行文件的路径和当前的路径这是两个概念
获取文件的当前路径时可以的使用

import os
os.getcwd()

但是在需要执行的文件的获取其执行路径的时候就最好不要用这个了。
一般使用下面这种方式,动态的获取路径

import sys
sys.path[0]

使用eval转整的时候数字前不能有0

eval("02")

会发生错误:

Traceback (most recent call last):
  File "/demo/1.py", line 1, in <module>
    eval("02")
  File "<string>", line 1
    02
     ^
SyntaxError: invalid token

While 1比While True快?

python2的时候是这样,以为python3 True=1所以结果实际是一样的。
由于Python2中,True/False不是关键字,因此我们可以对其进行任意的赋值,这就导致程序在每次循环时都需要对True/False的值进行检查;而对于1,则被程序进行了优化,而后不会再进行检查。
Python3中,由于True/False已经是关键字了,不允许进行重新赋值,因此,其执行结果与while 1不再有区别

处理长的字符串

对于长的字符串我们一般使用"""多文本"""的形式,但是换行的时候容易导致哪里出错,此时可以考虑在外面加个小括号,像这样

("""多文本""")

关于requests模块的编码问题

作者实际上提供了个自动识别网页编码的代码,在获取res(请求的对象),获取源码之前使用
下面的代码即可获取正确的网站编码。

res.encoding=res.apparent_encoding

 

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。通过选用不同核函数,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。在处理不平衡数据时,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