python学习记录NO.2 列表操作2

本文详细介绍了Python中列表的比较操作(如>、<等)、拼接操作(+)及重复操作(*),并通过实例展示了不同操作的效果。特别强调了列表之间的比较规则以及拼接操作与extend方法的区别。

python学习记录NO.2 列表操作2
1)比较操作(>,<,>=,<=,==)
>>> list1 = [11, 12, 13]
>>> list2 = [21, 22, 23]
>>> list1 > list2
False
>>> list1 = [31, 12, 13]
>>> list1 > list2
True
可以发现,python的列表的(>,<)是比较的第一个元素,有点类似c/c++中字符串的比较函数;
对于 >=,<= 运算,我发现它似乎是比较的两个列表的元素个数,希望有大佬告知运算机制;
>>> list1 = [12, 13, 14]
>>> list2 = [12, 13, 14]
>>> list1 >= list2
True
>>> list1 <= list2
True
>>> list1 = [12, 13]
>>> list1 >= list2
False
>>> list1 <= list2
True

而对于 == 运算,必须在两个列表所有元素均相同(包含顺序)时才会返回True;
>>> list1 = [11, 12, 13]
>>> list2 = [21, 22, 23]
>>> list1 == list2
False
>>> list1 = [21, 12, 13]
>>> list1 ==list2
False
>>> list1 = [21, 22, 23]
>>> list1 == list2
True
>>> 

2)拼接操作(+)


>>> list1 = ["虎斑猫", "折耳猫", "田园猫", "布偶猫"]
>>> list2 = ["燕尾服猫", "暹罗猫"]
>>> list3 = list1 + list2
>>> list3
['虎斑猫', '折耳猫', '田园猫', '布偶猫', '燕尾服猫', '暹罗猫']
>>> list1 += list2
>>> list1
['虎斑猫', '折耳猫', '田园猫', '布偶猫', '燕尾服猫', '暹罗猫']
python列表的拼接操作类似extend()操作;

但需要注意的是,extend()能够在列表尾添加单个元素,而拼接(+)则不可,其只能作用于两个列表;

(python将字符串视作一种interable类型,字符串里每个元素是它的元素)


>>> list1 = ["燕尾服猫", "暹罗猫"]
>>> list1 += 123
Traceback (most recent call last):
  File "<pyshell#1>", line 1, in <module>
    list1 += 123
TypeError: 'int' object is not iterable
>>> list1 += 'A'
>>> list1
['燕尾服猫', '暹罗猫', 'A']
>>> list1 += '布偶猫'
>>> list1
['燕尾服猫', '暹罗猫', 'A', '布', '偶', '猫']

3)重复操作(*)
即将列表内元素按顺序重复;
>>> list1 = ["燕尾服猫", "暹罗猫"]
>>> list1 *= 3
>>> list1
['燕尾服猫', '暹罗猫', '燕尾服猫', '暹罗猫', '燕尾服猫', '暹罗猫']



内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析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解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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