python学习总结---函数

函数返回

对多个返回值得处理

def test():
    a = 1
    b = 23
    c = 33
    # 第一种用列表分装
    #d =[a,b,c]
    #return d
    #第二种
    #return [a,b,c]
    #第三种
    return a,b,c#默认是(a,b,c)是一种元组

e = test()
print(e)
(1, 23, 33)

函数的嵌套使用

def print_line():
    print("*********")


def pritn_5_line():
    i=0
    while i<5:
        print_line()
        i+=1

pritn_5_line()
*********
*********
*********
*********
*********

函数的局部变量和全局变量

局部变量:

def get_value():
    value = 33
    return value

def print_wendu(value):
    print("值是%d"%value)

#print_wendu(value) #会出错,局部变量只能作用于函数内   
result = get_value()
print_wendu(result)
值是33

 全局变量:

1.global的用法,2.全局变量的位置,3.列表、字典等做全局变量。

1.global的用法,

值没有发生改变,是因为没有调用函数,

value = 45

def get_value():
    #使用global用来对全局变量的申明,那么这个函数中的变量就是全局变量,
    #就会修改全局变量的值
    global value
    value = 33
    return value

def print_value():
    print("值是%d"%value)

print_value()
值是45
value = 45

def get_value():
    #使用global用来对全局变量的申明,那么这个函数中的变量就是全局变量,
    #就会修改全局变量的值
    global value
    value = 33
    return value


def print_value():
    print("值是%d"%value)


result = get_value()#调用函数后,才会发生改变

print_value()
值是33

2全局变量的位置:

a = 10#全局变量
def test():
    print("a=%d"%a)
test()#只要在调用函数之前就起作用

3.列表、字典等做全局变量。

nums = [1,2,3]
def test():
    nums.append(4)


def test2():
    print(nums)

test()
test2()
[1, 2, 3, 4]

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
K-Means聚类算法是一种无监督学习的方法,通过将数据分为不同的聚类来进行数据集的归纳和总结。在图像处理中,K-Means聚类可以用来将图像分成不同的颜色区域,实现图像分割的目的。 下面是一个使用Python进行图像K-Means聚类的示例代码: ```python import numpy as np import cv2 # 读取图像 img = cv2.imread('image.jpg') # 转换为一维的数组 data = img.reshape((-1, 3)) # 将数据转换为 float 类型 data = np.float32(data) # 设置聚类的数量 k = 5 # 定义停止条件 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0) # 运行 K-Means 算法 ret, label, center = cv2.kmeans(data, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS) # 将数据转换回图像矩阵 center = np.uint8(center) res = center[label.flatten()] res2 = res.reshape((img.shape)) # 显示结果 cv2.imshow('res2', res2) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例中,我们首先使用OpenCV库读取一张图像,然后将其转换为一维的数组。接着,我们将数据转换为float类型,并设置聚类的数量为5。我们还定义了停止条件,这里设置为最多迭代10次,或者误差小于1.0。最后,我们使用cv2.kmeans函数运行K-Means算法,并将结果转换回图像矩阵,最终显示聚类结果。 需要注意的是,该示例只是一个简单的演示,实际运用中可能需要对图像进行预处理、调整参数等操作,以达到最佳的聚类效果。

“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
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