pyhton IO

#向文件中读取和写入数据
with open('cookbook_p142.txt','wt') as f:
    f.write('text1\n')
    f.write('text2\n')
    print('text3',file=f)

with open('cookbook_p142.txt','rt') as f:
    # print(f.read())
    # print(f.read())
    for line in f.read():
        print(line)
    print(type(f))
    print(type(f.read()))

with open('cookbook_p142.txt','rt') as f:
    for line in f:
        print(line)

with open('cookbook_p142.txt', 'at') as f:
    print('tst',file=f)

for i in range(5):
    print(i, end="      ***\n" )

ii = []
for i in range(5):
    ii.append(i)

print('\n'.join((str(k) for k in ii)))
print(''.join(['1','2','4']))

a = [str(k) for k in ii]
print(a)

import array
temp = array.array('i',[1,2,3,4])
print(temp)
with open('cookbook_p142.txt','ab') as f:
    f.write(temp)

with open('cookbook_p142.txt','rb') as f:
    for line in f :
        print(line)

print(temp.itemsize)
D:\pythonWork\venv\Scripts\python.exe D:/pythonWork/cookbook_p142.py
t
e
x
t
1


t
e
x
t
2


t
e
x
t
3


<class '_io.TextIOWrapper'>
<class 'str'>
text1

text2

text3

0      ***
1      ***
2      ***
3      ***
4      ***
0
1
2
3
4
124
['0', '1', '2', '3', '4']
array('i', [1, 2, 3, 4])
b'text1\r\n'
b'text2\r\n'
b'text3\r\n'
b'tst\r\n'
b'\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04\x00\x00\x00'
4

Process finished with exit code 0


基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
Python 输入输出(IO)涵盖多种操作,以下是不同类型输入输出的使用方法和示例: ### 标准输入输出 - **标准输出**:使用 `print()` 函数,该函数将输出的值以空格隔开,并且在输出这些值后还会换到新的一行。 ```python print("这是一个标准输出示例") ``` - **标准输入**:使用 `input()` 函数获取用户输入。 ```python user_input = input("请输入一些内容:") print(f"你输入的内容是:{user_input}") ``` ### 文件输入输出 #### 读取文件内容并写入新文件 把 `print.py` 中的内容读出来,写到一个新文件 `wyfile` 中,再打印出来。 ```python f = open("print.py", "r") f2 = open("wyfile", "w+") # 使用 w+ 文件不存在时候才会创建 for line in f: f2.write(line) f2.seek(0) # 这行语句之前,f2 的位置在文末,所以必须调整到文件开头。 print(f2.read(), end=' ') f.close() # 记住要释放 f2.close() ``` #### 操作文本文件 一般使用 `open()` 函数打开文件,其中模式参数选择 `'r'` 用于读取,`'w'` 用于写入,`'a'` 用于追加等。操作完成后需要使用 `close()` 方法关闭文件。 ```python # 写入文本文件 with open('example.txt', 'w') as file: file.write('Hello, World!\n') file.write('This is a text file example.') # 读取文本文件 with open('example.txt', 'r') as file: content = file.read() print(content) ``` #### 操作二进制文件 打开文件时模式参数使用 `'rb'` 用于读取二进制文件,`'wb'` 用于写入二进制文件。 ```python # 写入二进制文件 with open('binary_example.bin', 'wb') as file: data = b'\x48\x65\x6c\x6c\x6f' # 二进制数据 file.write(data) # 读取二进制文件 with open('binary_example.bin', 'rb') as file: binary_content = file.read() print(binary_content) ``` ### 内存 IO #### 内存中读写字符串 使用 `io.StringIO` 可以在内存中读写字符串。 ```python import io # 写入内存字符串 output = io.StringIO() output.write('This is written to memory.') output.seek(0) # 移动到文件开头以便读取 # 读取内存字符串 print(output.read()) output.close() ```
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