《Effective Python 编写高质量Python代码的59个有效方法》第二章(共八章)阅读总结

在这里插入图片描述

年纪大了,记性不好,老忘,所以在读完这本书后写了这一系列文章,文章中没有任何书中的示例代码,只是对每条知识点的总结。写给自己看,分享给大家看,不足之处欢迎指正。

第二章:函数(总结)

接上一章

第14条:尽量用异常来表示特殊情况,而不要返回None

不仅仅是在Python中,在很多语言中也是如此(如:.net、Java等),当然某些特等需求返回None也是合理的。

总结:用None这个返回值来表示特殊意义的函数,很容易使调用者犯错,因为None和0及空字符串之类的值,在表达式里都会被评估为False

第15条:了解在闭包里使用外围作用域的变量

闭包是一种定义在某个作用域中的函数,这种函数引用了那个作用域中的变量
如果闭包函数比较复杂,建议改写为辅助类,把需要处理的变量作为类的属性。因为nonlocal语句离赋值语句远的话,代码不好理解,出错不好追踪。

总结:
1.当内部作用域想修改外部作用域的变量时,就要用到global和nonlocal关键字了。
	nonlocal关键字来突破闭包的限制,进而在其检索域内改变其值。
	global 关键字用于使用全局变量,nonlocal 关键字用于使用局部变量(函数内)
2.Python2中不支持nonlocal关键字,可以通过Python的作用域规则来实现。
3.除了简单的函数,在其他任何地方都应该尽力的避免使用nonlocal关键字。

第16条:考虑用生成器来改写直接返回列表的函数

参考第一章第9条

第17条:在参数上面迭代时,要多加小心

这条建议的意思是,容器类型的数据类型比如列表,可以进行多次迭代,不影响列表本身。但迭代器是有状态的,数据会不断地弹出,最后抛出 StopIteration 异常。
如果传入的参数是一个迭代器而不是容器,则可能因为在函数中进行迭代而影响迭代器的状态,导致一些预期外的行为。
当然,这条建议可以进一步扩展,哪怕调用者传入的参数是一个容器,也需要小心处理。因为列表、字典等容器是可变对象,如果我们在函数中不小心修改了传入的对象,调用者可能并不清楚,从而导致预期外的行为,而且这个问题排查起来很麻烦。

总结:
判断一个对象是迭代器还是容器,可以采用内置函数 iter()
通过连续调用两次iter方法,你就可以预先检测一个值是不是迭代器而不是容器。两次结果一致那就是迭代器,否则就是容器了

第18条:用数量可变的位置参数减少数据额杂讯

多值参数:

*args存放元组参数
*kyargs存放字典参数

多值参数也是位置参数因为它必须写到参数列表最后
Python多值参数并不常用,但是在源码中会经常看到

总结:
1.带有*操作符的生成器变量可能会引起程序的内存溢出,或者机器宕机。
2.不要在已经接受*args参数的函数上面继续添加位置参数如:缺省参数,这样可能会产生难以排查的bug

第19条:用关键字参数来表达可选行为

与其他语言一样Python在调用函数时,可以按位置传递参数,关键字参数是Python函数的一项强大特性,这里就不做过多讲解,因为是最基本语法!!!

总结:
1.函数的参数值即可以通过位置指定,也可以通过关键字来指定。
2.相较于使用位置参数赋值,使用关键字来赋值会让你的赋值语句逻辑变得更加的清晰,代码可读性更高。
3.带有默认参数的关键字参数函数可以很容易的添加新的行为,尤其适合向后兼容。
4.可选的关键字参数应该优于位置参数被考虑使用。

第20条:用None和文档字符串来描述具有动态默认值的参数

在代码开发中,我们可能用到设置动态默认值参数的场景,本条告诉我们,在设置动态默认值参数时,不要直接把动态默认值赋值到参数列表里,而是应该将参数列表里动态默认值的参数设置为None,然后在函数内部执行赋值操作。
为什么要这样写?这里涉及到对模块加载过程的理解,函数的定义是在模块加载时完成的,也就是说,参数的默认值在这时就指向了一个对象,之后并不会修改。

总结:
1.参数的默认值,只会在程序加载模块并读到本函数定义时评估一次,对于{}或[]等动态的值,这可能导致奇怪的行为
2.对于以动态值作为实际默认值的关键字参数来说,应该把形式上的默认值写为None,并在函数的文档字符串里面描述该默认值所对应的实际行为

第21条:用只能以关键字形式指定的参数来确保代码明晰

这条仅仅强调来了关键字参数这一语法

总结:
1.关键字参数使得函数调用的意图更加的明确
2.对于各参数之间很容易混淆的函数,可以声明只能以关键字形式指定的参数,以确保调用者必须通过关键字来指定它们。对于接收多个Boolean标志的函数更应该这样做
3.在编写函数中,Python3有明确的语法(keyword-only)来定义这种只能以关键字形式指定的参数
4.Python2中可以通过**kwargs模拟实现keyword-only函数语法,并且人工的触发TypeError异常

第二章:函数(完)
下章见

  • 1
    点赞
  • 1
    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中所有感兴趣的目标(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,即定位出图像中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:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 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,直接在网络中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