Python 变量函数命名规则

article/2025/11/7 0:12:10

Python 变量命名规则

  • 模块名 & 包名
    • 纯小写字母，单词之间用 _ 分割
  • 类名
    • 首字母大写，不用 _ 分割
  • 全局变量名（类似于 Java 中的 static 变量）
    • 纯大写，单词之间用 _ 分割
  • 普通变量
    • 纯小写字母，_ 分割
  • 私有实例变量（外部访问会报错）
    • 以 __ （两个下划线）开头，其余和普通变量保持一致
  • 专有变量
    • __ 开头 __ 结尾，一般为 python 的自有变量，不要以这种方式命名
  • 普通函数
    • 和普通变量保持一致
  • 私有函数
    • 以 __ （两个下划线）开头，其余和普通函数保持一致
  • 文件名
    • 全小写，可使用下划线
  • 包名
    • 简短的、小写的名字，如果下划线可以改善可读性，也可以加入下划线
  • 模块名
    • 与包的规范相同
  • 类名
    • 首字母大写，内部类可以用额外的下划线
  • 函数名
    • 全部小写、用下划线隔开增加可读性

欢迎关注微信公众号"程序员小辉"

曾经有个人关注了我，然后他就找到了漂亮的女朋友

微信图片20190813101011.jpg


http://chatgpt.dhexx.cn/article/SjvIB2OM.shtml

相关文章

Python代码的命名规则

Python代码的命名规则

一个项目需要有多个文件：配置、主文件、核心代码…会让我们在使用代码中更加便捷，对代码模块一目了然。当然小编也是Python初学者，所写的代码并不是大项目。配置文件以及其他的.py文件并不是很丰富，以下是在学习大佬代码得出来的&…
阅读更多...
Python标识符的命名规则

Python标识符的命名规则

[快速理解] Python标识符是指变量、函数、类、模块等的名称。 例如：a10中的a是标识符 反例：for i in [1,2,3]中的for和in不是标识符，是保留字，i是标识符。Python保留字有特殊的语法功能。 选择题 以下选项中都可以作为Python标识…
阅读更多...
Python变量命名5大规则！

Python变量命名5大规则！

Python变量名不是随便乱起，需要遵循以下规则： 1、只能字母、下划线开头，不能数字开头。变量用小写字母开头是 Python 的惯例，也是编码的好习惯，大家要养成好习惯哟。 大家可以动手试试上面4个变量名哪个是正确的&…
阅读更多...
python基础-命名规则

python基础-命名规则

一、变量 由字母、数字、下划线组成，不能以数字开头，下划线开头尽量不用不能使用python的保留字严格区分大小写可用中文命名，但是不建议使用尽量取有意义的名字 user_name 张三 user_age 25 print (用户名为：,user_name) prin…
阅读更多...
MSE（均方误差）函数和RMSE函数

MSE（均方误差）函数和RMSE函数

本文链接：https://blog.csdn.net/qq_36512295/article/details/86526799 MSE（均方误差）函数一般用来检测模型的预测值和真实值之间的偏差。 训练集：Train｛（x1，y1），&am…
阅读更多...
MSE-均方误差

MSE-均方误差

M S E − 均 方 误 差 MSE-均方误差 MSE−均方误差 补充：reduce操作是用来减维度 一 TF2.0 1.1 类实现 class MeanSquaredError(tf.keras.losses.Loss):def call(self, y_true, y_pred):return tf.reduce_mean(tf.square(y_pred - y_true))a tf.constant([0., 0.…
阅读更多...
SSE，MSE均方误差计算公式（训练误差，测试误差）

SSE，MSE均方误差计算公式（训练误差，测试误差）

请看下图当中的两个例子：分别求训练误差以及测试误差 决策树
阅读更多...
经典损失函数——均方误差(MSE)和交叉熵误差(CEE)的python实现

经典损失函数——均方误差(MSE)和交叉熵误差(CEE)的python实现

损失函数（loss function）用来表示当前的神经网络对训练数据不拟合的程度。这个损失函数有很多，但是一般使用均方误差和交叉熵误差等。 1.均方误差（mean squared error） 先来看一下表达式： 用于将的求导结…
阅读更多...
Tensorflow2.0 MSE（均方误差）和 Cross Entropy（交叉熵）

Tensorflow2.0 MSE（均方误差）和 Cross Entropy（交叉熵）

什么是MSE？ 参数估计中均方误差是指参数估计值与参数真值之差平方的期望值，记为MSE MSE（均方误差）在深度学习中主要用来求损失函数，既真实值和预测值之间的误差。 公式中的y是真实值，out是你计算出来的值…
阅读更多...
分类问题可以使用MSE(均方误差)作为损失函数吗

分类问题可以使用MSE(均方误差)作为损失函数吗

一、. 从损失函数公式本身来说 1. 从损失函数公式的物理含义来说 MSE衡量的是预测值和目标值的欧式距离。 而交叉熵是一个信息论的概念，交叉熵能够衡量同一个随机变量中的两个不同概率分布的差异程度，在机器学习中就表示为真实概率分布与预测概率分布之…
阅读更多...
计算机公式计算误差,如何在Excel2016中计算方差和均方误差？

计算机公式计算误差,如何在Excel2016中计算方差和均方误差？

在Excel表中，有时需要计算方差，然后根据此图绘制图表，目标值指示偏差程度，然后如何计算方差？ 方差的概念 方差是每个数据与平均值之间差异的平方和的平均值. 在概率论和数理统计中，方差(英语方差)用于衡量随…
阅读更多...
残差、方差、偏差、MSE均方误差、Bagging、Boosting、过拟合欠拟合和交叉验证

残差、方差、偏差、MSE均方误差、Bagging、Boosting、过拟合欠拟合和交叉验证

文章目录 一、残差、方差、偏差 1.1 残差统计概念1.2 方差、标准差1.3 偏差1.4 残差、方差、偏差总结1.5 MSE、RMSE、MAE1.6 代码实现 二、Bagging和Boosting的区别 2.1 基本介绍2.2 Bagging:2.3 Boosting：2.4 Bagging，Boosting二者之间的区别 三、过拟合…
阅读更多...
线性回归均方误差（MSE）的推导

线性回归均方误差（MSE）的推导

刚开始学习机器学习的时候就接触了均方误差（MSE，Mean Squared Error），当时就有疑惑，这个式子是怎么推导的，但是因为懒没有深究。今天看到了唐宇迪老师的机器学习课程，终于理解他是怎么推导的了。…
阅读更多...
【代价函数】MSE：均方误差（L2 loss）

【代价函数】MSE：均方误差（L2 loss）

MSE均方误差（L2 loss） 1.代码展示MAE和MSE图片特性 import tensorflow as tf import matplotlib.pyplot as plt sess tf.Session() x_val tf.linspace(-1.,-1.,500) target tf.constant(0.)#计算L2_loss l2_y_val tf.square(target - x_val) l2_y_…
阅读更多...
MAE平均绝对误差和MSE均方误差

MAE平均绝对误差和MSE均方误差

MAE：Mean absolute error是绝对误差的平均值，能更好的反映预测值误差的实际情况 其中，f_i表示预测值，g_i表示真实值 缺点：若本身真实值就比较大，比如真实值1万，预测值9000，但mae100…
阅读更多...
mse均方误差计算公式_视觉SLAM十四讲实践之真实轨迹和估计轨迹均方根误差

mse均方误差计算公式_视觉SLAM十四讲实践之真实轨迹和估计轨迹均方根误差

为了理解RMSE首先介绍一些统计学的概念，然后介绍SLAM领域里面的计算精度ATE和RPE的用法。 中位数 一组数据按大小顺序排列，位于最中间的一个数据 (当有偶数个数据时，为最中间两个数据的平均数) 叫做这组数据的中位数。 用中位数作为一组数据的代表，可靠性不高，但受极端数据…
阅读更多...
通俗易懂讲解均方误差 (MSE)

通俗易懂讲解均方误差 (MSE)

测量预测值Ŷ与某些真实值匹配程度。MSE 通常用作回归问题的损失函数。例如，根据其属性估算公寓的价格。 这是维基百科中定义的均方误差 (MSE) 公式。它代表了一个非常简单的概念，但如果您刚开始使用 ML，可能不太容易读懂。 让我们从内而外拆…
阅读更多...
图像处理之图像质量评价指标MSE(均方误差)

图像处理之图像质量评价指标MSE(均方误差)

一、MSE基本定义 MSE全称为“Mean Square Error”，中文意思即为均方误差，是衡量图像质量的指标之一。计算原理为真实值与预测值的差值的平方然后求和再平均，公式如下： 其中， M为图像I的像素总数，N为图像K…
阅读更多...
损失函数——均方误差（Mean Squared Error，MSE）

损失函数——均方误差（Mean Squared Error，MSE）

均方误差（Mean Squared Error，MSE）：MSE是回归任务中常用的损失函数，它衡量模型预测值与实际值之间的平均平方误差。 具体来说，MSE的计算公式如下： 其中，n是样本数量，xi是…
阅读更多...
已解决OSError: [WinError 6] 句柄无效。

已解决OSError: [WinError 6] 句柄无效。

已解决Exception ignored in: <bound method Popen.__del__ of <subprocess.Popen object at 0x00000194C27C4BE0>> Traceback (most recent call last): File “D:\ProgramData\Anaconda3\lib\subprocess.py”, line 768, in __del__ self._internal_poll(_deadst…
阅读更多...
推荐文章

Copyright @ 2022~2023