python基础day6-列表

1.序列

1.1基本概念
  • 序列是python中最基本的一种数据结构。序列用于保存一组有序的数据,所有的数据在序列当中都有一个唯一的位置(索引)并且序列中的数据会按照添加的顺序来分配索引

  • 数据结构指计算机中数据存储的方式

1.2序列的分类
  • 可变序列(序列中的元素可以改变):例如 列表(list)字典(dict)
  • 不可变序列(序列中的元素不能改变):例如 字符串(str)元组(tuple)

2.列表(list)

  • 列表是python中的一个对象
  • 列表的作用
    • 列表中可以保存多个有序的数据
    • 列表是用来存储对象的对象
2.1列表的使用
  • 列表的创建:通过[]来创建一个空列表
2.2切片
  • 切片是指从现有的列表中获得一个子列表

  • 通过切片来获取指定的元素

  • 语法[起始:结束:步长]

  • 通过切片获取元素时,会包括起始位置的元素,不会包括结束位置的元素

  • 起始位置和结束位置的索引可以不写

    • 如果省略结束位置,则会从当前位置开始一直截取到最后
    • 如果省略开始位置,则会从头开始一直到结束最后
    • 如果开头位置和结束位置都省略,则会从第一个开始一直截取到最后以一个
  • 步长表示选择列表数据时两个数据之间的间隔,默认是一可以不写

  • 步长不能是0但是可以是负数

3.通用操作

  • +和*

    • +可以将两个列表拼接成一个列表
    • *只能是一个列表乘一个正整数 正整数是几就是多少个列表把自己加起来
  • in 和 not in

  • in 用来检查元素是否在列表中

  • not in 是用来检测列表是否不在列表中

  • len()获取列表中元素的个数

  • max()获取列表中的最大值

  • min()获取列表中的最小值

  • list.index(‘绿巨人’,0,10) #获取指定元素在列表中的位置

    • 第一个参数要查找的指定元素
    • 第二个参数表示查找的其实位置
    • 第三个参数表示查找的结束位置
  • list.count(x)统计指定元素在列表中出现的个数

4.修改列表

  • 通过切片来修改(其实就是给切片的内容重新赋值,但是赋值的内容必须是一个序列)

  • 当设置了步长时,序列中元素的个数和切边中元素的个数要保持一致(步长为1情况除外)

  • 通过切片删除元素

    • del list[起始:结束]
    • lsit = []
  • 清空列表

    • list.clear()

5.列表的方法

  • append()向列表的最后添加一个元素
  • insert(arg1,arg2)向列表指定的位置插入一个元素参数1要插入的位置 参数2要插入的元素
  • exend(list)使用一个新的序列来扩展当前序列(它会将该序列中的元素添加到列表中)参数需要传递一个序列
  • pop()根据索引删除一个元素并且返回这个元素
  • remov()删除指定元素 (如果这个元素有多个那么只删除第一个)
  • reverse()反转列表

6遍历列表

for 变量 in 列表:

	代码块
6.2range(start,stop,step)
  • start 开始位置
  • stop 结束位置
  • step 步长
  • 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。 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