这个返回语句是什么意思？ Python

Question

我正在研究一种遗传算法，我找到了一个有效的代码，现在我试图理解，但我看到了这个返回语句：

return sum(1 for expected, actual in zip(target, guess)
  if expected == actual)

它有什么作用？

这里是完整的代码：

main.py:

from population import *

while True:
    child = mutate(bestParent)
    childFitness = get_fitness(child)
    if bestFitness >= childFitness:
        continue
    print(child)
    if childFitness >= len(bestParent):
        break
    bestFitness = childFitness
    bestParent = child

人口.py：

import random

geneSet = " abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!.,1234567890-_=+!@#$%^&*():'[]\""
target = input()

def generate_parent(length):
    genes = []
    while len(genes) < length:
        sampleSize = min(length - len(genes), len(geneSet))
        genes.extend(random.sample(geneSet, sampleSize))
    parent = ""
    for i in genes:
        parent += i
    return parent

def get_fitness(guess):
    return sum(1 for expected, actual in zip(target, guess)
        if expected == actual)

def mutate(parent):
    index = random.randrange(0, len(parent))
    childGenes = list(parent)
    newGene, alternate = random.sample(geneSet, 2)
    childGenes[index] = alternate \
        if newGene == childGenes[index] \
        else newGene

    child = ""
    for i in childGenes:
        child += i

    return child

def display(guess):
    timeDiff = datetime.datetime.now() - startTime
    fitness = get_fitness(guess)
    print(str(guess) + "\t" + str(fitness) + "\t" + str(timeDiff))

random.seed()
bestParent = generate_parent(len(target))
bestFitness = get_fitness(bestParent)
print(bestParent)

这是有效遗传算法的完整代码。我修改了一些部分，使其更具可读性。

return 语句在 population.py 文件中的 get_fitness 函数中。

Answer 1

发生了几件事：

return sum(...)

这意味着您正在返回一个数字。

sum 的内部是一个generator expression，它创建并运行一个隐式循环。

在这种情况下，1 for expected, actual in zip(target, guess) if expected == actual 创建一系列1 值，每次保护条件为真时创建一个条目 (expected == actual)。

所以这一行有效地创建了如下代码：sum(1, 1, 1, 1, ...)

在生成器表达式中，您有一个zip 调用。 zip 表达式将采用两个（或更多！）序列，并将它们转换为具有两个（或更多！）值的元组的单个序列。也就是说，zip(['a', 'b', 'c'], [1, 2, 3]) 将产生一个类似[('a', 1), ('b', 2), ('c', 3)] 的序列作为其输出。

因此，如果您的expected 是[1, 2, 3]，而您的actual 是[1, 1, 3]，您将得到如下压缩结果：

expected = [1, 2, 3]
actual = [1, 1, 3]
zip(expected, actual)   # [(1, 1), (2, 1), (3, 3)]

生成器表达式包含一个 for，它使用曾经称为“元组解包”的方法从单个聚合（元组）值中分配其 target_list 中的多个目标。

因此，当 zip 表达式生成 (1, 1) 时，for expected, actual 会将其解压缩为 expected=1, actual=1。

因此，zip 采用两个等长序列并将它们对应的元素配对：a[0] 与 b[0]、a[1] 与 b[1] 等。for 生成器表达式分配将这些元素放入名为expected 和actual 的变量中。 for...if 生成器条件部分比较expected == actual 值，要么生成一个值，要么不生成一个值。因此，结果序列的长度保证小于或等于输入序列的长度，但你不知道它会有多长。生成器的表达式部分就是1。所以你有一个可变长度的 1 序列。 不是 1 或 0。它是 1 或不输入。把所有的 1 加起来就是结果。

Answer 2

它是List Comprehension 的一种类型，它利用了zip() 函数。

基本上，代码是这样说的：

• 创建一个列表。
• 从 zip（目标，猜测）中检索变量“预期”和“实际”。如果它们相等，则将 1 添加到列表中。
• 重复 zip 中的下一个值（目标，猜测）。
• 将所有的 1 相加。
• 返回此总和。

Answer 3

让我们分解一下：

return sum(1 for expected, actual in zip(target, guess)
  if expected == actual)

可以写成：

total = 0
for i in range(len(target)):
    if target[i] == guess[i]:
        total = total + 1
return total

zip(a, b) 列出来自a 和b 的项目对，例如：

zip([1, 2, 3], ['a', 'b', 'c'])

产生[(1, 'a'), (2, 'b'), (3, 'c')]。所以zip(target, guess) 表达式返回一个列表，其中包含来自target 的第一项和guess 的第一项，然后来自target 的第二项和来自guess 的第二项，依此类推。

for expected, actual in zip() 位解包来自zip() 输出的值对，因此这对中的第一个（来自target）进入变量expected，并且这对中的第二个（来自guess）转到变量actual。

1 ... if expected == actual 位表示“如果expected 中的值等于actual 中的值，则为zip() 中的每个项目发出值1。

sum() 将来自 for 循环的 1 值的数量相加。

哒哒！现在您有了预期值和实际值相同的项目数。以这种方式编写它有几个原因：

1. 非常简洁但富有表现力。写了很多 Python 的人一看就懂。
2. 它可能非常快，因为 Python 解释器正在处理循环、条件等，对 Python 解释器的改进可以使代码更快，而无需了解整个程序。基本上，您是在告诉 Python“我想要完成这件事”，而不是“这里有 100 个小步骤来完成这件事”。

Answer 4

我认为它返回实际 = 预期的匹配总数。本质上我认为它是检查算法模型能够正确预测的次数