python实现栈、队列

1.python里的栈是通过列表来实现的(python里只有list和tuple两种数据结构)python模拟栈:

class stack(object):
    def __init__(self):
        self.items = []
    #判断栈是否为空
    def isEmpty(self):
        return len(self.items) == 0
    #进栈
    def push(self, item):
        return self.items.append(item)
    #出栈
    def pop(self):
        return self.items.pop()
    #栈的深度
    def length(self):
        return len(self.items)
    #返回栈顶元素
    def peek(self):
        return self.items[len(self.items)-1]

2.python模拟队列

class Queue(object):
    #初始化队列
    def __init__(self):
        self.items = []
    #判断队列是否空
    def isEmpty(self):
        return len(self.items) == 0
    #进队列
    def push(self, item):
        return self.items.append(item)
    #出队列
    def get(self):
        return self.items.pop(0)
    #返回队列列头
    def peek(self):
        if len(self.items) >= 0:
            return self.items[0]
        else:
            return 'Queue is empty'
    #队列长度
    def length(self):
        return len(self.items)

3.两个栈实现队列

class stack(object):
    def __init__(self):
        self.stack1 = []
        self.stack2 = []
    def isEmpy(self):
        return len(self.stack2) == 0
    #每次进栈都往1中添加
    def push(self, item):
        return self.stack1.append(item)
    #每次出栈先把1中加到2中,从2中出
    def pop(self):
        if len(self.stack1) >= 1:
            self.stack2.append(self.stack1.pop())
            return self.stack2.pop()
        else:
            return 'stack is empty'
    def length(self):
        return len(self.stack1) + len(self.stack2)
4.python实现链表以及链表的相关操作。这两篇博客写的非常好!

Ⅰ.点击打开链接

Ⅱ.点击打开链接

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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