Python 中的短路评估


本文是关于使用逻辑运算符在 Python 中显示短路行为。


Python 中的逻辑运算符

or (或)运算符

OR:两个操作数均使用 Python or 运算符求值。 如果任一操作数为 True,则 or 运算符返回 True。

但是,仅当所有给定表达式或操作数都返回 False 时,or 运算符才会返回 False。

OR运算符逻辑表:

第一值第二值输出
TrueTrueTrue
TrueFalseTrue
FalseTrueTrue
FalseFalseFalse

上述 OR 运算符在 Python 控制台中的表示:

>>> True or True
True
>>> True or False
True
>>> False or True
True
>>> False or False
False

Python 还允许我们使用 OR 运算符比较多个表达式。

>>> (5 < 10) or (8 < 5)
True
>>> (5 < 10) or (8 < 5) or (2 == 2) or (9 != 8)
True

AND 运算符

AND:当使用 Python and 运算符时,两个操作数都会被求值,如果任何给定的表达式或运算符不为真,则返回 False。 and 运算符仅在给定表达式或操作数都为 True 时才返回 True。

AND运算符逻辑表:

第一值第二值输出
TrueTrueTrue
TrueFalseFalse
FalseTrueFalse
FalseFalseFalse

上述 AND 运算符在 Python 控制台中的表示:

>>> True and True
True
>>> True and False
False
>>> False and True
False
>>> False and False
False

使用 AND 运算符比较多个表达式。

>>> (5 < 10) and (8 < 5)
False
>>> (5 < 10) and (8 < 5) and (2 == 2) and (9 != 8)
False
>>> (10 == 10) and (8 != 5) and (2 == 2) and (9 != 8)
True

什么是短路

短路是指当表达式的真值已经确定时终止布尔运算。 Python 解释器以从左到右的方式计算表达式。

Python 的大量布尔运算符和函数允许短路。

def exp(n):
	print("Hello")
	return n

为了了解短路是如何发生的,我们将使用上述函数作为操作数或表达式之一,当 Python 解释器执行它时,它将打印单词“Hello”。


在 Python 中使用 AND 运算符进行短路

使用 and 运算符:

>>> True and exp(1)
Hello
1

Python 解释器在上面的代码中从左到右评估代码。 根据 AND 运算符的逻辑表,表达式必须为 True 才能得到 True 布尔值。

Python 解释器评估我们的函数只是因为第一个值设置为 True。

如果我们将初始值设置为 False 会怎样? 观察下面的代码:

>>> False and exp(1)
False

由于初始值设置为 False,Python 解释器会忽略后面的表达式,从而节省执行时间。

交换表达式:

>>> exp(1) and True
Hello
True
>>> exp(1) and False
Hello
False

在这些代码中,我们的初始表达式是我们之前创建的函数。 Python 解释器首先评估给定的函数,导致输出“Hello”。


在 Python 中使用 OR 运算符进行短路

使用或运算符:

>>> True or exp(1)
True

从左到右评估代码。 将初始值设置为 True 可以让 Python 解释器忽略后面表达式的执行,也就是给定的函数。

因此,根据 OR 运算符的给定逻辑表,输出为 True。

>>> False or exp(1)
Hello
1

Python 解释器执行上面代码中的函数,因为前一个值设置为 False。

交换表达式:

>>> exp(1) or True
Hello
1
>>> exp(1) or False
Hello
1

当我们交换表达式时,我们创建的函数每次都会执行,因为它是 Python 解释器评估的第一个操作数。

考虑以上任一代码示例,or 运算符将返回 True 布尔值。

但是,如果我们使用 or 运算符得到一个 False 布尔值,我们可以稍微调整创建的函数。

def exp():
	print("Hello")
	return False
>>> exp()
Hello
False

经过以上改动后,每当我们调用 exp() 函数时,它只会在向控制台打印 Hello 后返回 False 布尔值。

>>> exp() or True
Hello
True
>>> exp() or False
Hello
False

由于该函数在每次调用时只返回一个 False 布尔值,Python 解释器必须评估后一个表达式或操作数。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python有许多评估算法,下面列举几个常用的算法及其应用场景: 1. 聚类算法评估指标: - 轮廓系数:用于评估聚类效果的一种指标,取值范围[-1,1],越接近1表示聚类效果越好。 - SSE(误差平方和):用于评估聚类效果的一种指标,SSE越小表示聚类效果越好。 2. 分类算法评估指标: - 准确率:分类正确的样本数占总样本数的比例。 - 查准率:预测为正例的样本,实际为正例的比例。 - 查全率:实际为正例的样本,被预测为正例的比例。 - F1-score:综合考虑查准率和查全率的指标。 - PR曲线:以查准率为纵轴,以查全率为横轴绘制的曲线。 - ROC曲线:以假正率为横轴,以真正率为纵轴绘制的曲线。 - AUC指标:ROC曲线下的面积,取值范围[0,1],AUC越大表示分类效果越好。 3. 回归算法评估指标: - R方:用于评估回归模型拟合效果的一种指标,取值范围[-∞,1],越接近1表示拟合效果越好。 - MSE(均方误差):预测值与真实值之差的平方和的平均值。 - MAE(平均绝对误差):预测值与真实值之差的绝对值的平均值。 - RMSE(均方根误差):MSE的平方根。 <<引用>>提到了测试函数,测试函数是用来评估优化算法特性的,Python有许多用于优化算法的库,例如scipy.optimize、numpy等,可以使用这些库来进行优化算法的测试和评估

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

迹忆客

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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