《Kotlin入门实战》CH7 | 集合类

集合类

在Java类库中有一套相当完整的容器集合类来持有对象。Kotlin没有去重复造轮子(Scala则是自己实现了一套集合类框架),而是在Java类库的基础上进行了改造和扩展,引入了不可变集合类,同时扩展了大量方便实用的功能,这些功能的API都在kotlin.collections包下面。

集合类概述

8923455-6ac9b6feec45488c.png
集合层次
  • Iterable 可遍历
  • MutableIterable 支持删除元素的迭代
  • List/Set/Map,只读不可变
  • MutableList/MutableSet/MutableMap,可读写

创建集合类

  • listOf/setOf/mapOf 创建不可变集合
  • mutableListOf()、mutableSetOf()、mutableMapOf() 创建可变集合

遍历集合中的元素

List、Set类继承了Iterable接口,里面扩展了forEach函数来迭代遍历元素;同样,Map接口中也扩展了forEach函数来迭代遍历元素。

fun main() {
    val list = listOf<Int>(1, 2, 3, 4)
    list.forEach { println(it) }
    list.forEachIndexed { index, i -> println(list[index]) }

    val set = setOf<Int>(1, 2, 3, 4)
    set.forEach { println(it) }
    set.forEachIndexed { index, i -> println("index:$index, i:$i") }

    val map = mapOf(1 to 'A', 2 to 'B', 3 to 'C')
    map.forEach { t, u -> println("Key:$t, value:$u") }
    map.entries.forEach { println(it) }
}
1
2
3
4
1
2
3
4

1
2
3
4
index:0, i:1
index:1, i:2
index:2, i:3
index:3, i:4

Key:1, value:A
Key:2, value:B
Key:3, value:C
1=A
2=B
3=C

映射函数

使用map函数,可以把集合中的元素依次使用给定的转换函数进行映射操作,元素映射之后的新值会存入一个新的集合中,并返回这个新集合。

fun main() {
    val list = listOf(1, 2, 3, 4)
    val list2 = list.map { it * it }
    val list3 = list.map { it -> listOf(it + 1, it + 2, it + 3, it + 4) }

    println(list2)
    println(list3)
    println(list3.flatten()) // Iterator<Iterator> 类型才能flatten
    list.flatMap { it -> listOf(it + 1, it + 2, it + 3, it + 4) } // 相当于map + flatten

}

[1, 4, 9, 16]
[[2, 3, 4, 5], [3, 4, 5, 6], [4, 5, 6, 7], [5, 6, 7, 8]]
[2, 3, 4, 5, 3, 4, 5, 6, 4, 5, 6, 7, 5, 6, 7, 8]
[2, 3, 4, 5, 3, 4, 5, 6, 4, 5, 6, 7, 5, 6, 7, 8]

过滤函数

val list = listOf(1,2,3,4)
list.filter{ it >= 2 }

排序函数

    list.reversed()
    list.sorted()

实际上直接调用Java Api

去重函数

val dupList = listOf(1, 1, 2, 2, 3, 3, 3)
dupList.distinct() //去重函数,返回 [1, 2, 3]

http://kotlinlang.org/api/latest/jvm/stdlib/kotlin.collections/index.html

【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)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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