Python_7分钟笔记_基础二

内容回顾

3分钟带你了解Python变量&定义数据结构

上期内容回顾

本期笔记内容综述

  1. 变量

  2. Python数据结构简介

  3. 创建一个列表和定义字典

3分钟带你了解Python变量&定义数据结构

1.变量

  • 变量:值可通过赋值来改变的量

  • 上期笔记中字符型常量是通过单引号、双引号或三引号来定义,本期将介绍等号来赋值

  • 赋值是通过等号(=)来进行操作的,如下:

3分钟带你了解Python变量&定义数据结构

变量

  • x=3,#把数字3赋值给变量x.可理解为:将变量x绑定到了值3上面。

3分钟带你了解Python变量&定义数据结构

运行x的结果就近原则应该是列表。

  • 因此,赋值运算符的作用仅仅是在名称和值之间的创建的一种关联。

  • 赋值的结果可以属于不同的类型,后续的赋值语句的值可以与之前值的类型不同。

变量命名规则:4个原则

  • 原则1:只能包含字母,下划线(_)和数字

  • 原则2:首字母不能是下划线和数字

  • 原则3:严格区分大小写.A和a是不同的

  • 原则4:变量名不能是python中保留的字.例如:and,not,if等

栗子是个好东西:

正确命名:student,a,lists,tuple_1 

错误命名:_a,True,and,2017plane

  • 多变量同时赋值

    运行结果

3分钟带你了解Python变量&定义数据结构

Python

2.Python数据结构简介

数据结构是计算机存储、组织数据的方式

数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。

  • Python数据结构分为4类:列表(list),元组(tuple),字典(dict)和集合(set),且从整体看看:

3分钟带你了解Python变量&定义数据结构

python四种数据结构纵向对比

可见:

1.列表是使用方括号[]把元素括起来,元素之间用逗号隔开。 而元组则是用圆括号括起来。

2.字典是使用花括号{}把项扩起来,项与项之间用逗号隔开,每个项由一个键和值对应关系组成格式是"键名:值"

3.列表和元组都是序列,元组不可改变,列表可以改变。

4.字典中的键是唯一,而值可以不唯一,映射关系。{小提示}

本次笔记分享内容到此,就以创建个列表为结束.

Spyder编辑器介绍

3分钟带你了解Python变量&定义数据结构

spyder

创建一个列表

栗子:将下面5部电影名创建为一个名为movies的列表:

三傻大闹宝莱坞地球上的星星我滴个神啊!,起跑线摔跤吧!爸爸 #没错我在推荐电影

  • 用python的理解方式来写的话:

movies=["三傻大闹宝莱坞","地球上的星星","我滴个神啊!","起跑线","摔跤吧!爸爸"]

  • 转换为Python可读的列表,发现其实只需要4步:

1.在数据的两边带上帽子:引号(''或""),将电影名转化为字符串

2.元素间用逗号(,)隔开;

3.在列表两边加上开始和结束的中括号;

4.通过赋值操作把列表赋值给一个标识符.#将列表赋值给movies定义。

给数据结构下个定义

其实我们在此就可以来定义这些数据结构了。栗子:

字典是由多个键及其对应的值构成的项(键-值对)组成的,每个键和它所对应的值之间用冒号(;)分隔开,上一个项与下一个项之间用(,)隔开,整个字典是由一对花括号(大括号)括起来的。

  • 根据下面信息创建一个电话本字典。

1.小明 电话:010000

2.小红 电话:010010

3.小蓝 电话:010086

  • 结果

phonebooks_1={'小明':'010000','小红':'010010','小蓝':'10086'}

  • 好了,到此茄子暂别,本期分享到此结束,下期笔记分享再见。祝愿生活愉快!

  • 有好的建议或需要学习资源的可以私信。

  • 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。 、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