Pythonでラムダを使用してnまでのフィボナッチ数列を検索する
フィビナッチ級数は、多くの自然現象を説明する、ウィドリーとして知られている数学的級数です。 0と1で始まり、前の用語に用語を追加して次の用語を取得します。この記事では、Pythonでラムダ関数を使用してフィボナッチ数列の特定の数の要素を生成する方法を説明します。
合計とマップ付き
map関数を使用して、リストの各要素にラムダ関数を適用します。リストスライスメカニズムを設計して、前の2つの用語の合計を取得し、範囲を使用して、生成する用語の数をカウントします。
例
def fibonacci(count): listA = [0, 1] any(map(lambda _:listA.append(sum(listA[-2:])), range(2, count))) return listA[:count] print(fibonacci(8))
出力
上記のコードを実行すると、次の結果が得られます-
[0, 1, 1, 2, 3, 5, 8, 13]
リデュース機能付き
このアプローチでは、ラムダ関数とともにreduce関数を使用して、前の2つの項の合計を取得します。必要な用語の数を数え続けて最終結果を得るには、範囲とともにラムダを2回適用する必要があります。
例
from functools import reduce fib_numbers = lambda y: reduce(lambda x, _: x + [x[-1] + x[-2]], range(y - 2), [0, 1]) print(fib_numbers(8))
出力
上記のコードを実行すると、次の結果が得られます-
[0, 1, 1, 2, 3, 5, 8, 13]
-
Pythonでscikit-learnを使用して画像の輪郭を見つける方法は?
Scikit-learnは、一般にsklearnとして知られ、機械学習アルゴリズムを実装する目的で使用されるPythonのライブラリです。オープンソースのライブラリであるため、無料でご利用いただけます。このライブラリは、Numpy、SciPy、およびMatplotlibライブラリに基づいて構築されています。 「正方形をマーチング」する方法は、画像の輪郭を見つけるために使用されます。 「skimage」ライブラリの「measure」クラスにある関数「find_contours」が使用されます。この場合、配列に存在する値は線形に補間されます。 このようにして、出力画像の輪郭の精度が大幅に向上し
-
PythonでOpenCVを使用して画像内の円を検索する
OpenCVプラットフォームは、Python用のcv2ライブラリを提供します。これは、コンピュータビジョンで役立つさまざまな形状分析に使用できます。この記事では、OpenCVを使用して円の形状を識別します。そのために、cv2.HoughCircles()関数を使用します。ハフ変換を使用してグレースケール画像内の円を検索します。以下の例では、入力として画像を取得します。次に、そのコピーを作成し、この変換関数を適用して、出力内の円を識別します。 構文 cv2.HoughCircles(image, method, dp, minDist) Where Image is the image file