python3-流程控制以及排序

n=10
for i in range(n):  #相当于Java foreach,在Python中for可以直接迭代元组,列表,字典

print(i)

输出结果:

0 1 2 3 4 5 6 7 8 9

---------------------------------------

#一个简单判断

num=input('请输入一个整数:')
sum=int(num)
if sum>10:
    print("大了!")
else:
    print("小了")
----------------------------------------

#判断是否闰年(不知道闰年怎么算,服毒自杀)

year=int(input('请输入一个整数:'))
str="平年"

if year%4==0:
    str="闰年"
if year%100==0:
    str="平年"
if year%400==0:
    str="闰年"

print(str)
-------------------------------------------------

#猜随机数

import random   		#导入随机数
n=int(random.random()*100+1)	#random()产生0-1的小数,*100+1就是1-100的数了
while True:    s=int(input("请输入一个整数"))    if s>n:        print("大了")    if s<n:        print("小了")    if s==n:        print("猜对了!")        break;
---------------------------------------------------

#冒泡排序

var=[9,1,2,5,3,6,4,7,8]
for a in range(0,len(var)-1):
    for a2 in range(0,len(var)-a-1):
        if var[a2]<var[a2+1]:
            var[a2],var[a2+1]=var[a2+1],var[a2] #Python换手,个人感觉有点怪
            # c=var[a2]
            # var[a2]=var[a2+1]
            # var[a2+1]=c
for a in var: print(a)
----------------------------------------------------------

#任意输入一个数,每第3个数就移除,直到就剩最后一个数停止

num=int(input("请输入一个整数:"))
dui=[]

for i in range(1,num+1):
    dui.append(i)
print(dui)

n=0
while True :
    if len(dui)==1:
        break
    else:
        n=n+1;
        if n%3==0:
            dui.pop(0)
        else:
            dui.append(dui.pop(0))
print(dui)
-------------------------------------------------------------

#统计字符出现的次数

mystr=input("任意输入:")
myzidian={}
for n in mystr:
    s=myzidian.get(n);
    print(s)
    if s is None:
        myzidian.__setitem__(n,1)
    else:
        myzidian.__setitem__(n,s+1)
print(myzidian)
for s in myzidian:
    print("%s 出现了 %d 次"%(s,myzidian.get(s)))
    #print("{0} 出现了 {1} 次".format(s,myzidian.get(s))) #两种字符格式化方
---------------------------------------------------------------
#统计字符出现的次数,并进行排序
mystr=input("任意输入:")
myzidian={}
for n in mystr:
    s=myzidian.get(n);
    print(s)
    if s is None:
        myzidian.__setitem__(n,1)
    else:
        myzidian.__setitem__(n,s+1)
print(myzidian)
#按出现的次数降序,这里用到了lambda表达式,不加 - 号为升序,加 - 号越大就越小。
for s in sorted(myzidian,key=lambda a:-myzidian.get(a)): print("%s=%d"%(s,myzidian.get(s))) # print("{0} 出现了 {1} 次".format(s,myzidian.get(s)))
print("------------------------------")
#按字母排序
for s in sorted(myzidian,key=lambda a:a): print("%s=%d"%(s,myzidian.get(s)))print("------------------------------")
#按次数排序,如果次数一样,以字母排序为主
for s in sorted(myzidian,key=lambda a:(-myzidian.get(a),a)): print("%s=%d"%(s,myzidian.get(s)))


  • 1
    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