序列得一点点知识

列表与元组操作指南
本文详细介绍Python中列表(list)和元组(tuple)的基本操作,包括添加、删除、拷贝等,并通过实例演示如何利用这些操作实现数据的有效管理。

序列得一点点知识

列表感觉就像是数组, 却有不同于, 更像vector这样的吧.

列表, list()


>>> g = list(range(2, 5))
>>> g
[2, 3, 4]
>>> m.append("a")
>>> m
['a']
>>> len(m)
1

列表添加

append() : 向列表最后插入元素



>>> g = list()
>>> g
[]
>>> g.append(2)
>>> g
[2]
>>> g.append("wetg")
>>> g
[2, 'wetg']

insert( , )向列表的指定位置插入元素



>>> g.insert(1, "aff")
>>> g
[2, 'aff', 'wetg']

Extend([ ] ) : 向列表插入多个元素

>>> g.extend(["ffs", 3226])
>>> g
[2, 'aff', 'wetg', 'ffs', 3226]

+: 只能让列表与列表相加, 不能插入元素

>>> m = ["sgsg", "fggs"]
>>> m
['sgsg', 'fggs']
>>> g += m
>>> g
[2, 'aff', 'wetg', 'ffs', 3226, 'sgsg', 'fggs']

列表删除


>>> g
[2, 'aff', 'wetg', 'ffs', 3226, 'sgsg', 'fggs']

Pop() : 默认删除最后一个元素;也可以指定删除
当然pop()也有返回值, 返回删除的元素



>>> g.pop(2)
'wetg'
>>> g
[2, 'aff', 'ffs', 3226, 'sgsg', 'fggs']

Remove() : 移除列表中的元素, 没有将要移除的, 会报错



>>> g.remove(2)
>>> g
['aff', 'ffs', 3226, 'sgsg', 'fggs']
>>> g.remove("sffd")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: list.remove(x): x not in list

Del : 删除第一个数, 也可以直接删除列表




>>> del g[2]
>>> g
['aff', 'ffs', 'sgsg', 'fggs']
>>> del g
>>> g
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'g' is not defined

列表分片

>>> m
['sgsg', 'asf', '111', '222', 436, 0]

[ : ] : 列表分片; 列表元素的拷贝
[2 : 5] : 表示从[2, 5)的元素的拷贝
[1 : ] : 从1 到结束;
[ : 4] : [0, 4);




>>> m[:]
['sgsg', 'asf', '111', '222', 436, 0]
>>> m[2:3]
['111']
>>> m[1:4]
['asf', '111', '222']
>>> m[2:]
['111', '222', 436, 0]
>>> m[:5]
['sgsg', 'asf', '111', '222', 436]
>>> m[:3]
['sgsg', 'asf', '111']

验证[:]是拷贝, 而 c = m, c与m相同的指向




>>> g = m[:]
>>> g
['sgsg', 'asf', '111', '222', 436, 0]
>>> del m[2]
>>> m
['sgsg', 'asf', '222', 436, 0]
>>> g
['sgsg', 'asf', '111', '222', 436, 0]
>>> c = m
>>> del m[3]
>>> m
['sgsg', 'asf', '222', 0]
>>> c
['sgsg', 'asf', '222', 0]

元祖


>>> m = ("asff", 124, "1111")
>>> m
('asff', 124, '1111')
>>> type(m)
<class 'tuple'>

元祖的添加, 不能使用insert, append, extend
删除也是一样的方法, 用分片.
条件 : (” ” ,)



>>> m = m[:1] + (1234,) + m[1:]
>>> m
('asff', 1234, 124, '1111')


>>> 8 * m
('asff', 1234, 124, '1111', 'asff', 1234, 124, '1111', 'asff', 1234, 124, '1111', 'asff', 1234, 124, '1111', 'asff', 1234, 124, '1111', 'asff', 1234, 124, '1111', 'asff', 1234, 124, '1111', 'asff', 1234, 124, '1111')
基于据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参以适应具体应用场景。
评论
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