大蟒日志9

十二、Data Structures(数据结构) 1

综述

Python中的数据结构包含四种:list, tuple, dictionary, set, 即列表、元组、字典、集合。

List

列表:保存一系列有序项目的集合。示例如下:

# 2018.4.23
# Data Structures
# List
# Shopping list
# 要购物清单内容,有几项
shoplist = ['vegetables', 'fruits', 'fly', 'Wine', '1L Beer']
print('I have', len(shoplist), 'items to purchase.')

# 打印购物清单
print('These items are:', end=' ')
for item in shoplist:
    print(item, end=' ')
# 这里的end=' '使得列表显示为空格隔开每一项,如果没有end则按行显示每一项

# 用append方法对shoplist这一对象中加入milk,并打印加入后的购物单
print('\nAlso have to buy milk.')
shoplist.append('2L milk')
print('Shopping list is now', shoplist)

# 整理购物清单,用sort method进行排序
print('I will sort my list now')
shoplist.sort()
print('Sorted shopping list is', shoplist)

# 已购买第一项,从列表中删除此项,并打印删除后的购物单
print('First item is', shoplist[0])
olditem = shoplist[0]
del shoplist[0]
print('I have bought the', olditem)
print('Shopping list is now', shoplist)

# 编译结果为:(注意其中的排列规则)
'''
I have 5 items to purchase.
These items are: vegetables fruits fly Wine 1L Beer 
Also have to buy milk.
Shopping list is now ['vegetables', 'fruits', 'fly', 'Wine', '1L Beer', '2L milk']
I will sort my list now
Sorted shopping list is ['1L Beer', '2L milk', 'Wine', 'fly', 'fruits', 'vegetables']
First item is 1L Beer
I have bought the 1L Beer
Shopping list is now ['2L milk', 'Wine', 'fly', 'fruits', 'vegetables']
'''
#补充: 如果想了解其他的关于对象“list”的方法,可以用help(list)来了解。

附加:对象(Object)与类(Class)的简单了解
列表是使用对象与类的一个实例。
一个类可以带有方法(Method)或字段(Field)。对于method来说,当你有一个属于该类的对象时,你才能用method来启用某些函数;对于field来说,它只为该类定义和使用变量,同样当你有一个属于该类的对象时,你才能用field中的变量或名称。
method和field都可以用点号来访问对象,比如:shoplist.append(‘2L milk’),shoplist.field

Tuple

元组用于将多个对象保存在一起。括号括住,逗号隔开。

# 2018.4.26
# Tuple
# 可以结合C语言中的数组来理解
# 强烈建议使用tuple时用括号括起来。
# Explicit is better than implicit.
# 明了胜于隐晦,显式优于隐式

# Ex.动物园动物搬家
zoo = ('python','elephant','penguin')  # 元组中有3个元素
print('Number of cages in the zoo is', len(zoo))

new_zoo = 'monkey', 'camel', zoo
print('Number of cages in the new zoo is',len(new_zoo))
print('All animals in new zoo are', new_zoo, end=', ')
print(new_zoo[0],'are brought from old zoo') # [ ] 称为索引运算符,new_zoo[2]指定元组的第三个项目
print('First one brought from old zoo is', new_zoo[2][0], end=', ') # [2][0] 第三组第一项
print('then', new_zoo[2][1], end=', ') # new_zoo[a][b]指定元组的第a个项目中的第b个项目
print('last', new_zoo[2][2])
print('Number of animals in the new zoo is', len(new_zoo)-1+len(new_zoo[2]))


# 补充: 
# 空元组
myempty = ()
# 只有一个项目的元组
single = (2, )
print(single[0])
'''
编译结果为:
Number of cages in the zoo is 3
Number of cages in the new zoo is 3
All animals in new zoo are ('monkey', 'camel', ('python', 'elephant', 'penguin')), monkey are brought from old zoo
First one brought from old zoo is python, then elephant, last penguin
Number of animals in the new zoo is 5
2
'''

【声明】本博文为学习笔记,含有个人修改成分,并非完全依照《a byte of python》,仅供参考。若发现有错误的地方,请不吝赐教,谢谢。同时,我也会不定期回顾,及时纠正。#

同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 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!
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