python – 在namedtuple中使用’_’作为typename做了什么特别的事吗?

weixin_38055888 2019-09-12 10:36:52
我正在查看在namedtuple中使用_作为typename的代码.我想知道这是什么目的. example = namedtuple('_', ['NameOfClass1', 'NameOfClass2']) 为什么不使用String?
...全文
80 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
weixin_38069804 2019-09-12
  • 打赏
  • 举报
回复
这是一个有点奇怪的例子.重点是为类及其属性提供有意义的名称.诸如__repr__和类docstring之类的一些功能从有意义的名称中获得了大部分好处. FWIW,namedtuple工厂包括一个详细的选项,可以很容易地理解工厂对其输入做了什么.当verbose = True时,工厂打印出它创建的类定义: >>> from collections import namedtuple >>> example = namedtuple('_', ['NameOfClass1', 'NameOfClass2'], verbose=True) class _(tuple): '_(NameOfClass1, NameOfClass2)' __slots__ = () _fields = ('NameOfClass1', 'NameOfClass2') def __new__(_cls, NameOfClass1, NameOfClass2): 'Create new instance of _(NameOfClass1, NameOfClass2)' return _tuple.__new__(_cls, (NameOfClass1, NameOfClass2)) @classmethod def _make(cls, iterable, new=tuple.__new__, len=len): 'Make a new _ object from a sequence or iterable' result = new(cls, iterable) if len(result) != 2: raise TypeError('Expected 2 arguments, got %d' % len(result)) return result def __repr__(self): 'Return a nicely formatted representation string' return '_(NameOfClass1=%r, NameOfClass2=%r)' % self def _asdict(self): 'Return a new OrderedDict which maps field names to their values' return OrderedDict(zip(self._fields, self)) def _replace(_self, **kwds): 'Return a new _ object replacing specified fields with new values' result = _self._make(map(kwds.pop, ('NameOfClass1', 'NameOfClass2'), _self)) if kwds: raise ValueError('Got unexpected field names: %r' % kwds.keys()) return result def __getnewargs__(self): 'Return self as a plain tuple. Used by copy and pickle.' return tuple(self) NameOfClass1 = _property(_itemgetter(0), doc='Alias for field number 0') NameOfClass2 = _property(_itemgetter(1), doc='Alias for field number 1')
内容概要:本文围绕城市场景下无人机三维路径规划的导航变量多目标优化问题,提出了一种改进的多目标粒子群优化算法(NMOPSO),旨在应对高维、多约束条件下路径规划的复杂性。研究在Matlab平台上实现了算法仿真,通过构建精细化的城市三维环境模型,综合考虑路径长度、飞行安全性、能耗等多个优化目标,有效提升了无人机在复杂城市环境执行任务时的路径规划效率与可靠性。文系统阐述了NMOPSO算法的设计原理、实现流程及关键参数配置,并通过大量对比实验验证了该算法在收敛速度、解集多样性和Pareto前沿质量方面相较于传统多目标优化算法的显著优势; 适合人群:具备一定优化算法理论基础和Matlab编程能力的研究生、科研人员及从无人机路径规划、智能优化算法研发的工程技术人员; 使用场景及目标:①应用于城市环境下的无人机物流配送、电力巡检、应急救援等实际任务的高效路径规划;②为高维多目标优化问题的研究与先进智能算法的改进提供高质量的参考案例,推动智能优化技术在无人系统自主决策领域的深入应用; 阅读建议:建议读者结合提供的Matlab代码进行动手实践,重点研读目标函数的数学建模、环境约束的处理机制以及算法性能评价指标的设计,以深入理解NMOPSO算法的核心创新点与工程实现细节。

479

社区成员

发帖
与我相关
我的任务
社区描述
其他技术讨论专区
其他 技术论坛(原bbs)
社区管理员
  • 其他技术讨论专区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧