python中的for语句涉及的序列可以是( )-Python中for循环(序列/字典实例)

流程控制-for循环(序列)

循环循环是一个结构,导致程序要重复一定的次数。

条件下循环也是如此,当然条件变为假,循环结束。

for循环:在序列里,使用for循环遍历。

语法:for iterating_var in sqquence:

statement(s)

举例:

(例1)for用法举例In [1]: a = "ABC"In [2]: a

Out[2]: "ABC"In [3]: for i in a:

...:     print i

...:

A

B

C

In [4]: for i in a:    print i,    #加逗号显示在同一行用空格隔开。...:

A B C

(例2)list的for循环In [5]: list1 = [1,3,4,5]

In [6]: list1

Out[6]: [1, 3, 4, 5]

In [7]: for i in list1:

...:     print i

...:

1

3

4

5

(例3)range()函数用法:In [11]: range(1,11)

Out[11]: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

In [12]: range(11)

Out[12]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

In [13]: range(1,11,2)

Out[13]: [1, 3, 5, 7, 9]

#脚本:打印出1到10的10个数字:#!/usr/bin/pythonfor i in range(1,11):    print i运行结果:

[root[@localhost](https://my.oschina.net/u/570656) python]# python for.py

1

2

3

4

5

6

7

8

9

10

[root[@localhost](https://my.oschina.net/u/570656) python]#

(例4)print加","显示为一行脚本1:    #!/usr/bin/python

print [i for i in range(1,11)]

运行结果:

[root[@localhost](https://my.oschina.net/u/570656) python]# python for.py

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

[root[@localhost](https://my.oschina.net/u/570656) python]#脚本2:    #!/usr/bin/python

print [i*2 for i in range(1,11)]

运行结果:

[root[@localhost](https://my.oschina.net/u/570656) python]# python for.py

[2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

[root@localhost python]#脚本3 求1,10内的偶数:    #!/usr/bin/python

print [i for i in range(1,11) if i%2==0]

运行结果:

[root@localhost python]# python for.py

[2, 4, 6, 8, 10]

[root@localhost python]#

(例5)列表重写:脚本4 求1,10内的偶数的乘方:    #!/usr/bin/python

for i in  [i**2 for i in range(1,11) if i%2==0]:        print i,

运行结果:

[root@localhost python]# python for.py

4 16 36 64 100

[root@localhost python]#脚本5 求1到100所有数加到一起的和:    #!/usr/bin/python

sum = 0

for i in range(1,101):

sum = sum + i    print sum

运行结果:

[root@localhost python]# python for1.py

5050

(例6)xrange()产生的是对象,节省内存:

xrange(10)

In [3]: a = xrange(20)

In [4]: type(a)

Out[4]: xrange

In [6]: for i in a: print i,

...:

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

流程控制-for循环(字典)

生成字典:In [14]: dic = dic.fromkeys("abcdef","100")

In [15]: type(dic)

Out[15]: dict

In [16]: dic

Out[16]: {"a": "100", "b": "100", "c": "100", "d": "100", "e": "100", "f": "100"}

(例1)打印出键值:In [18]: for k in dic:

....:     print k

....:

a

c

b

e

d

f

(例2)打印出键值和valueIn [19]: for k in dic:

....:    print k,dic[k]

....:

a 100

c 100

b 100

e 100

d 100

f 100

格式化输出In [21]: for k in dic:

print "%s --->> %s " % (k,dic[k])

....:

a --->> 100c --->> 100b --->> 100e --->> 100d --->> 100f --->> 100

(例3)items()方法:dic.items():返回的是列表 :

In [22]: dic.items()

Out[22]:

[("a", "100"),

("c", "100"),

("b", "100"),

("e", "100"),

("d", "100"),

("f", "100")]

In [23]: for i in dic.items():print i

("a", "100")

("c", "100")

("b", "100")

("e", "100")

("d", "100")

("f", "100")

In [24]: for k,v in dic.items():print k,v

a 100

c 100

b 100

e 100

d 100

f 100

(例4)dic.iteritems() 方法:dic.iteritems()  返回的是对象:    In [25]: for k,v in dic.iteritems():print k,v

a 100    c 100    b 100    e 100    d 100    f 100

一个print 可以输出一个换行符:

(例5)举例乘法口诀:#!/usr/bin/python

for i in xrange(1,10):        for j in xrange(1,i+1):            print "%sx%s=%s" % (j,i,j*i),        print

运行结果:

[root@localhost python]# python  koujun.py

1x1=1

1x2=2 2x2=4

1x3=3 2x3=6 3x3=9

1x4=4 2x4=8 3x4=12 4x4=16

1x5=5 2x5=10 3x5=15 4x5=20 5x5=25

1x6=6 2x6=12 3x6=18 4x6=24 5x6=30 6x6=36

1x7=7 2x7=14 3x7=21 4x7=28 5x7=35 6x7=42 7x7=49

1x8=8 2x8=16 3x8=24 4x8=32 5x8=40 6x8=48 7x8=56 8x8=64

1x9=9 2x9=18 3x9=27 4x9=36 5x9=45 6x9=54 7x9=63 8x9=72 9x9=81

[root@localhost python]#

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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