代码出问题了，应该怎么完成要求

img

img


第一个图是要求，第二个是我写的，请问正确的代码应该是啥，感觉太复杂了，有没有简单点的代码

参考如下，注意下isalpha在python2和python3中的用法有些不同的：

while True:
    m = input("请随机输入一个字符串：")
    if m == 'n' or m == 'N':
        break
    else:
        count = 0
        for i in m:
            ''' Python 2可以直接用isalpha来判断 '''
            ''' if i.isalpha():
                count += 1
            '''
            ''' Python 3中isalpha包含了中文，所以要用unicode来判断 '''
            if ('\u0041' <= i <= '\u005a') or ('\u0061' <= i <= '\u007a'):
                count += 1

        print("字母出现了%d次" % count)

结果如图：

img

你这个 replace 用得毫无道理啊
直接遍历所有字符，判断isalpha即可

不知道你这个问题是否已经解决, 如果还没有解决的话:
  • 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7424398
  • 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：【链接攻击，差分攻击，去标识化代码实现】差分隐私代码实现系列（二）
  • 除此之外, 这篇博客: 线性回归算法梳理 - 概念，线性回归中的 损失函数，代价函数和目标函数 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:

    损失函数(Loss Function)
    简述：用来量化预测分类标签的得分与真实标签之间的一致性，算的是一个样本的误差

    代价函数(评分函数 Score Function)
    简述：原始数据到类别分值的映射，是所有样本误差的平均，也就是损失函数的平均

    目标函数(target function)
    简述：在代价函数中寻找最小化的损失函数。可理解为也就是代价函数 + 正则化项

    总结：
    ​ 线性回归中的定义了方程组： Xw = y，其中（xi，yi）是给定的，不能修改，但是我们可以基于数据不断的调整W矩阵中每一个参数，使得这个函数得到的结果与训练集中的图像的真实类别一致，即评分函数或称为代价函数在正确的分类的位置上应该得到较高的的得分

  • 您还可以看一下 2017CCTC大会老师的【微服务专场】基于微服务的现代应用实践课程中的 基于微服务的现代应用实践小节, 巩固相关知识点

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^