Python 函数与类|学习笔记

简介: 快速学习Python 函数与类

开发者学堂课程【Python 脚本入门Python 函数与类】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/800


Python 函数与类


目录:

一、函数介绍

二、函数的参与

三、类

一、函数介绍

1、定义:代码复用的一种方法;组织好的一段代码块,实现一个功能;python提供了大量内置的函数;注:要封装自己的代码逻辑,可以编写自己的函数。一次编写,多次调用。

2、如何自定义函数

Def 关键字(后跟函数名与括号内的形式参数列表;函数语句从def语句的下一句开始;必须缩进)

return关键字(用来返回值,可以返回给调用的代码,非常有用,可以返回多个值)

image.gif

二、函数的参与

1、python 函数的参数

函数名后括号里是传入参数列表;调用时会引入实际参数:安置调用;python 支持可变数

image.gifimage.gif

量的参数(默认值参数;关键字参数;特殊参数)


三、类

1、使用类封装数据和功能

Python是面向对象的编程语言;

类:一个模板,包含了数据和方法的定义;

对象:类实例化后称为对象,变得具体;

属性:类中的变量;

方法:类中的变量。self关键字作为参数的函数。

image.gif


相关文章
两张图阐述软件设计生命周期
两张图阐述软件设计生命周期
198 0
两张图阐述软件设计生命周期
|
6天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
263 155
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
200 105
|
9天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
679 5