基于python的-map(),reduce(),filter()函数的使用与区别

# -*- coding:utf-8 -*-
# 传入一个数字,返回这个数字的平方
def calc(x):
    s = x * x
    return s

list1 = [1,2,3,4,5,6,7,8,9,10]

result_list = []
# for 循环遍历列表中的每一个元素。让每一个元素都执行一次calc函数
for number in list1:
    # 传入一个数字,得到返回的结果
    s = calc(number)
    # 把计算的结果s添加到空列表中
    result_list.append(s)
print(result_list)

# map(func,iter)作用:让列表中每一个元素都去执行一次calc函数
# python2版本中,map返回的是一个结果列表,所有执行函数返回的结果都会放在列表中
# python3版本中,map返回的是一个生成器对象,生成器对象可以同next获取其中的内容
# 可以将生成器对象转换为列表
m = map(calc,list1)
# 转换为列表
m = list(m)
print(m)


# 去除列表中的字符串中的特殊字符
list2 = ['\n','张三\n李四\n',' 王 五\n','\t']
def strip_some(string):
    # 去除\n
    string = string.strip('\n')
    # 去除空格
    string = string.strip(' ')
    # 替换\n
    string = string.replace('\n','')
    # 替换\t
    string = string.replace('\t','')
    # 替换空格
    string = string.replace(' ','')
    # 返回处理后的字符串
    return string
# 使用map()函数,让列表中的每一个字符串都执行一次strip_some()函数
result = map(strip_some,list2)
#转换为列表
result = list(result)
print(result)


# python3中默认没有引入该函数,手动引入
from functools import reduce
# 可以在python2环境中运行测试效果
# reduce()函数:要执行的函数接收两个参数,两个参数会进行一次运算,并且将
# 运算的结果和第三个元素再次运算,以此类推.....

# def add(x, y):
#     rs = x + y
#     return rs
# # reduce(func,iter)
# rs = reduce(add,list3)
# print(rs)

list3 = [1,2,3,4,5,6,7,8,9,10]
def test(x):
    if x % 2 == 0:
        return x
# 使用map执行test函数,会将所有的返回结果都放在结果列表中
m = list(map(test, list3))
print(m)
# 会将返回的结果进行筛选,只会取出条件为真或不为None的元素
# filter 让列表中的每一个元素都执行一次函数,如果执行函数返回的结果为真
# 或不为None,把结果放入结果列表中,否则就不要了
m = list(filter(test,list3))
print(m)

'''
    1. map()函数,会让列表中每一个元素都执行一次某个函数(传递1个参数),并且将执行函数返回的结果
    (无论是什么样的结果)放在结果列表中
    2. filter()函数,会让列表中的每一个元素都执行一次某个函数(传递1个参数),并且将执行函数返回
    为真或不为None的结果放在列表中
    3. reduce()函数,会将列表中的每两个元素执行一次函数(传递2个参数),并且可以将前两个元素计算的
    结果拿过来,继续和列表中的第三个元素计算,计算完成后继续和第四个计算...,最后返回的就是计算后的结果

'''

list4 = ['hello','world','nihao','shijie']
def add_s(x, y):
    s = x + '*' + y
    return s
# 利用reduce()函数,将列表中的字符串拼接起来
rs = reduce(add_s,list4)
print(rs)
  • 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。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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