python学习笔记(二)

今天需要用python读一个文件,一开始用的readline()函数,道听途说以为readline()返回的是一个列表(list),自己实验之后才知道是字符串(string)。虽然结果还不错,总算弄了出来,不过还是要吐槽python的文件读写能力,真是跟matlab有的一拼。

1. python文件读写

首先说一说python的文件读写吧,官网上可以查阅手册(tutorial),文件读写在I/O部分,内容很少很简单,所以我觉得没有什么必要再翻译一遍。总得来说,通过 open函数打开一个文件,通过它定义的read(size),readline(),readlines(),以及write()方法来读写文件

1.1 read(size):

size缺省或者为负时将读入整个文件,要注意不要爆掉内存(如果文件很大)。另外read()方法返回的是字符串(string),或者一组字节(bytes),至于size的单位是什么,默认情况下应该是byte,但是没试过,不过也不妨试一下:

文件中写入

fin = open("test.txt", "r")
i = 0
str = ''
while(i < 5):
    str += fin.read(i)
    print(str)
    str = ''
fin.close()


结果什么都没有输出,看来size是可以为0 的,read(0)的结果是什么都不读。为了实验继续,将i初始化为1,并在循环中加上i++。结果报错了,看来python是不支持i++这样的语句的,改成i += 1:

fin = open("test.txt", "r")
i = 1
str = ''
while(i < 5):
    str += fin.read(i)
    print(str)
    i += 1
    str = ''
fin.close()
输出结果:

1

11

111

1111

所以就可以知道,read(size)方法中的size是可以为0 的,而且size的大小是一个字节(char类型变量的大小)。

1.2 readline():

readline()方法从文件中读取一行并返回,需要注意的是,返回的字符串包括行末的换行符'\n',只有最后一行例外,readline()返回最后一行的时候不会加上换行符(因为没有)。另外一点需要注意的是,与c或者c++有显式的文件结尾标记不一样,python不能通过类似的标记判断文件是否已经达到结尾,readline()方法在文件结束之后会返回一个空串'',不用担心你文件中的空行会导致读文件意外中断,因为即便是空行,也会包含一个换行符'\n',readline()在达到文件中间空行的时候会返回'\n'。

1.3 readlines():

fin.readlines()和list(fin)是等价的,返回文件中所有的行,当然也是以字符串的形式。

还有其他的比如seek()方法,用来支持随机读写,但是不常用,所以这里就不介绍了,有兴趣的可以查手册。

2. 关于string.lower()方法

我一直以为这个方法是用来将一个字符串中所有的字母转化为小写字母的(当然字符串中可以包含其他字符),但是这是错的,string.lower()并没有将string转化为小写串,只是将string 对应的小写串存到了缓冲区里面,如果要把string转化为小写串,需要显式的赋值即:string = string.lower()


3. 关于python的语法要求

缩进一定要是四个空格,不可以用tab

一直听说python对缩进要求很严格,但是并未体会到,一直到后来有一次在Shell上输入一个很多行的程序,在其中一个while循环上卡住了,因为while有缩进,需要回车,python误以为是输入完毕了(当然还没有输完),然后就报错,最后只好用文件写了一次性执行

ok,今天就这些了。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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