資訊專欄INFORMATION COLUMN
摘要：數(shù)據(jù)模型數(shù)據(jù)模型是對(duì)框架的描述它規(guī)范了這門語(yǔ)言自身構(gòu)建模塊的接口這些模塊包括但不限于序列迭代器函數(shù)類和上下文管理器解釋器遇到特殊方法時(shí)會(huì)使用特殊方法去激活一些基本的對(duì)象操作這些特殊方法以雙下劃線開頭以雙下劃線結(jié)尾例如比如的背后就是方法為了能
Python數(shù)據(jù)模型
數(shù)據(jù)模型是對(duì)Python框架的描述,它規(guī)范了這門語(yǔ)言自身構(gòu)建模塊的接口, 這些模塊包括但不限于序列, 迭代器, 函數(shù), 類和上下文管理器.
Python解釋器遇到特殊方法時(shí),會(huì)使用特殊方法去激活一些基本的對(duì)象操作,這些特殊方法以雙下劃線開頭,以雙下劃線結(jié)尾(例如: __getitem__)
比如 obj[key]的背后就是__getitem__方法,為了能求得my_collection[key]的值, 解釋器實(shí)際會(huì)調(diào)用my_collection.__getitem__(key)
ex1:__getitem__ 和 __len__方法#!/usr/bin/env python
# coding=utf-8
import collections
Card = collections.namedtuple("Card", ["rank", "suit"])
class FrenchDeck:
"""
通過(guò)實(shí)現(xiàn)特殊方法利用python數(shù)據(jù)模型的好處:
1. 作為你類的用戶, 他們不必去記住標(biāo)準(zhǔn)操作的各式名稱("怎么得到元素的總和?.size()還是.length()還是別的什么")
2. 可以更加方便的利用Python的標(biāo)準(zhǔn)庫(kù),比如random.choice函數(shù),從而不用重復(fù)發(fā)明輪子.
"""
ranks = [str(n) for n in range(2, 11)] + list("JQKA")
suits = "spades diamonds clubs hearts".split()
def __init__(self):
self._cards = [Card(rank, suit) for suit in self.suits for rank in self.ranks]
def __len__(self):
return len(self._cards)
def __getitem__(self, position):
return self._cards[position]
beer_card = Card("7", "diamonds")
print(beer_card)
deck = FrenchDeck()
print(len(deck)) # 總牌數(shù)
print(deck[0]) # 第一張牌
print(deck[-1]) # 最后一張牌
from random import choice
print(choice(deck)) # 隨機(jī)抽取
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://m.hztianpu.com/yun/42264.html
摘要：使用該數(shù)據(jù)集，我們將構(gòu)建機(jī)器學(xué)習(xí)模型以使用腫瘤信息來(lái)預(yù)測(cè)腫瘤是惡性的還是良性的。我們將使用函數(shù)來(lái)確定機(jī)器學(xué)習(xí)分類器的準(zhǔn)確性。您已成功構(gòu)建了第一臺(tái)機(jī)器學(xué)習(xí)分類器?，F(xiàn)在，您可以使用在中加載數(shù)據(jù)組織數(shù)據(jù)訓(xùn)練預(yù)測(cè)和評(píng)估機(jī)器學(xué)習(xí)分類器。 歡迎大家前往騰訊云+社區(qū)，獲取更多騰訊海量技術(shù)實(shí)踐干貨哦~ 本文由信姜緣 發(fā)表于云+社區(qū)專欄 介紹 機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)、人工智能和統(tǒng)計(jì)學(xué)的研究領(lǐng)域。機(jī)器學(xué)...
摘要：編程從入門到實(shí)踐筆記。執(zhí)行命令后，項(xiàng)目的根目錄下會(huì)多出一個(gè)名為的數(shù)據(jù)庫(kù)文件。下面創(chuàng)建一個(gè)主題類用戶學(xué)習(xí)的主題返回模型的字符串表示類是中的一個(gè)定義了模型基本功能的類。這種交互式環(huán)境稱為，常用語(yǔ)測(cè)試項(xiàng)目和排除故障。 《Python編程：從入門到實(shí)踐》筆記。從本篇開始將是該書的最后一個(gè)項(xiàng)目，將用3篇文章來(lái)介紹Django的基礎(chǔ)。完成一個(gè)學(xué)習(xí)筆記的小網(wǎng)站。 1. 前言 在本篇中，我們將： 用...
這篇文章的主要目的，是給大家講解一下，關(guān)于python Copula如何進(jìn)行繪制散點(diǎn)模型的相關(guān)實(shí)例，具體的代碼下面給大家列出來(lái)了，有問(wèn)題的小伙伴，可以仔細(xì)的進(jìn)行閱讀下文哦?！ ∫弧⑹褂胏opula生成合成數(shù)據(jù)集（synthetic dataset） 1.三維數(shù)據(jù)描述 建立一個(gè)三維數(shù)據(jù)表，查看三維數(shù)據(jù)的散點(diǎn)圖： fromcopulas.datasetsimportsample_trivar...
摘要：介紹是谷歌使用基于開發(fā)的語(yǔ)義分割模型，至今已更新個(gè)版本。最新版本是，在此模型中進(jìn)一步將深度可分離卷積應(yīng)用到孔空間金字塔池化和解碼器模塊，從而形成更快，更強(qiáng)大的語(yǔ)義分割編碼器解碼器網(wǎng)絡(luò)。 介紹 showImg(https://segmentfault.com/img/bVbnw9d?w=1860&h=398); DeepLab是谷歌使用tensorflow基于CNN開發(fā)的語(yǔ)義分割模型，至...
閱讀 1525·2021-11-22 14:44
閱讀 2901·2021-11-16 11:44
閱讀 3272·2021-10-13 09:40
閱讀 2095·2021-10-08 10:04
閱讀 2431·2021-09-24 10:28
閱讀 2976·2021-09-06 15:02
閱讀 3032·2019-08-30 15:52
閱讀 2478·2019-08-30 13:20
