2021.2.26学习日记转载

目录

基本计算

random库

copy库

列表

字符串

字典

异常

模块


基本计算

decimal.Decimal(“ ”)精准小数

x//y 地板除 取比结果小的最大整数

divmod(x,y) 返回(x//y,x%y)

x**y==pow(x,y) x的y次方

random库

randomint 随机数生成

copy库

copy.copy(x) 实现浅拷贝

copy.deepcopy(x) 实现深拷贝

列表

reverse 反转

count 输出位置上的信息

index 输出信息的位置

列表推导式

x=[i*2 for i in x]

基本语法:[expression for x in y if z] (可嵌套)

创建多元列表 : x=[[0]*2 for i in range (3)] //[[0, 0], [0, 0], [0, 0]]

字符串

count("") 返回子字符串的个数

find(“”) 返回子字符串的位置(从前向后找)

rfind(“”) 返回子字符串的位置(从后往前找)

replace("旧字符串","新字符串") 将旧字符串替换为新字符串

translate(table)

使用方式:

1.先制定一个转换表格 table=str.maketrans("ABCDEFG","1234567")

2.输入一段字符串.translate(table)

3.输出结果

startswith(“”,x,y)从x位置开始 ,y位置结束,查找首元素是否是此字符串,如果是返回true,不是返回false

startswith(("","",""))从中选一个,进行匹配,匹配成功返回true

istitle() 判断是否只有开头字母是大写

isupper() 判断是否全是大写字母

upper() 将所有的字母转换为大写字母

isalpha() 判断是否全是字母(空格不是字母)

isnumeric() 判断字符串是否全是数字

partition("") 以引号中的内容能够为分割,分割成子字符串,返回一个三元组

split("",-1) 将结果打包成列表返回,后面的数字为制定分割次数

"x".join(["y","z","m"]) 以x为分隔符,将y,z,m连接起来(也可以用元组包裹起来)

format(x) 例:“1+2={},2的平方是{}”.format(3,4)

输出格式:

 

 

sign: +,-

#: 显示前缀

 

width:宽度

grouping_option: 千分符,可以用逗号或者句号

precision:精度值{:.2f}小数点后保留2位 {:.2g}小数点前后保留2位 {:.6}字符串类型,保留前六位 无法对整数使用

type:类型选项

 

 {0:0>10}:第0个,用0在右侧填充10个位置

f字符串

字典格式

dic={"李宁":"一切皆有可能"}

输出

print["李宁"]

dict

dict1=dict(李宁="一切皆有可能")

dict1["李宁"]=“XXXXX” :可以改变索引值,若没有此关键字,则为添加新的关键字

fromkeys((1,2,3),"赞"):{1:“赞”,2:“赞”,3:“赞” }

for eachkey in dict1.keys():

print(eachkey)

(输出所有的序号)

for eachvalue in dict1.values():

print(eachvalue)

(输出所有内容)

for eachitem in dict1.items():

print(eachitem)

(用元组把每个项打印出来)

get

dict1.get(32,"not have")

(如果没有32序号,则打印not have)

fromkeys

a={}

a=a.fromkeys((1,2,3),"good") (批量赋值)

setdefault

a.setdefault(5,"good") (插入)

a.setdefault(“dood”) ("dood"为序号)

update

a.update(b) (用b去更新a)

init魔法方法

相当于c++中的构造函数

str魔法方法

默认打印对象的时候打印str魔法方法return的返回值

使用方法:两侧分别加一个"_"

super

用于解决继承时子类覆盖掉父类中重名函数的问题

使用方式:1.super(当前类名,self) . 重复的函数名称()

2.super().重复的函数名称()

定义私有属性

self.__money=20000

定义私有方法

def __money(name):

异常

格式

try:

XXXXX

except 异常类型(Exception) as result:

print(“ ”+str(result))

else:

(没有异常的时候执行的代码)

finally:

(无论异常与否都要执行的代码)

自定义异常

raise

抛出自定义异常对象


 

模块

导入模块

import 模块名

from 模块名 import 功能1,功能2,功能3(只导入后面的功能)

from 模块名 import*(导入此模块的所有功能)

import 模块名 as 别名

制作模块

新建一个python文件,起名后导入

测试信息

if__name__=="__main__":

testA(1,1)

all列表

当使用from XX import *导入时,只能导入列表中的元素

制作包

new-python package-

导入包

import 包名.模块名

注意: 若用from 包名 import *,则必须在init文件中添加all=[]列表

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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