Python-模块

一个模块可以被其他程序导入并运用其功能

sys模块

sys模块包含了与Python解释器及其环境相关的功能,即系统功能
看例子:

import sys

for i in sys.argv:    #i从0开始计数,0对应module_sys.py,1对应I,2对应am...”
    print(i)

print('\nThe path is ',sys.path)

结果如下:
在这里插入图片描述解释:

  • sys.argv

sys.argv 变量是字符串的列表
sys.argv 包含了命令行,这一列表,也就是使用命令行传递给程序的参数的

  • sys.path
    sys.path 内包含了导入模块的字典名称列表

.pyc文件

  1. 创建按字节码编译的.pyc文件可以更快速的完成导入一个模块
  2. .pyc文件在下一次从其他不同的程序导入模块时非常有用(更快速,因为导入模块时的一部分处理工作已经完成)
  3. 按字节码编译的文件独立于运行平台

from…import…

  • sys.argv 和 from sys import argv 效果一样
  • 应尽量避免使用from…import…语句,应使用import 语句。(使得程序易读;避免名称冲突)

看例子

from math import sqrt
i=16
print (sqrt(i))  #输出4.0

dir函数

内置的dir()函数返回
看例子
在这里插入图片描述

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值