『零起点』Python学习笔记2:Number、String and List Examples

本文通过实例介绍了Python的基础操作,包括数值运算、复数运算、字符串处理、列表操作等,并给出了斐波纳契数列的实现。

Code First 代码为先,通过运行代码来学习一门新的语言,个人的学习习惯,首先来看几个处理数字的例子

  1. >>>2+2
  2. 4
  3. >>>(50+5*7)/4
  4. 21.25
  5. >>>8/5
  6. 1.6000000000000001
  7. >>>print(8/5)
  8. 1.6
  9. >>>8//5
  10. 1
  11. >>>

说明:两个数字相除,从结果上看,应该默认是浮点,//表示整除

下面是复数的运算,很简单

  1. >>>4*complex(1,7)
  2. (4+28j)
  3. >>>(1+2j)/(1+1j)
  4. (1.5+0.5j)
  5. >>>a=3+4j
  6. >>>a.real
  7. 3.0
  8. >>>a.imag
  9. 4.0
  10. >>>abs(a)
  11. 5.0
  12. >>>

下面看一个例子

  1. >>>tax=12.5/100
  2. >>>price=100.5
  3. >>>price*tax
  4. 12.5625
  5. >>>price+_
  6. 113.0625
  7. >>>round(_,3)
  8. 113.062
  9. >>>

说明:_ 表示上一次的运算结果,round 为什么不是 113.063呢?感觉比较奇怪

下面看一下String的例子

  1. >>>str='does\'t'
  2. >>>print(str)
  3. does't
  4. >>>str="\"Yes\"hesaid."
  5. >>>print(str)
  6. "Yes"hesaid.
  7. >>>word="Word"+'A'
  8. >>>'<'+word+'>'
  9. '<WordA>'
  10. >>>'<'+word*3+'>'
  11. '<WordAWordAWordA>'
  12. >>>word[1:4]
  13. 'ord'
  14. >>>word[1:]
  15. 'ordA'
  16. >>>len(word)
  17. 5
  18. >>>

比较惊奇,字符串可以做乘法


下面看看List的例子

  1. >>>a=['spam','eggs',100,1234]
  2. >>>a
  3. ['spam','eggs',100,1234]
  4. >>>a[0]
  5. 'spam'
  6. >>>a[-1]
  7. 1234
  8. >>>a[1:-1]
  9. ['eggs',100]
  10. >>>a[2]=a[2]+23
  11. >>>a
  12. ['spam','eggs',123,1234]
  13. >>>a[0:2]=[1,12]
  14. >>>a
  15. [1,12,123,1234]
  16. >>>a[0:2]=[]
  17. >>>a
  18. [123,1234]
  19. >>>a[1:1]=['bletch','xyzzy']
  20. >>>a
  21. [123,'bletch','xyzzy',1234]
  22. >>>a[:0]=a
  23. >>>a
  24. [123,'bletch','xyzzy',1234,123,'bletch','xyzzy',1234]
  25. >>>len(a)
  26. 8
  27. >>>

和其他语言不同的是下标,从左到右是0到n-1 从右到左是-1 到-n

最后来一个有点意义的例子斐波纳契数列f(n)=f(n-1)+f(n-2) ,n>=2,f(0)=0,f(1)=1

  1. >>>f0,f1=0,1
  2. >>>whilef1<1000:
  3. ...print(f1,end="")
  4. ...f0,f1=f1,f1+f0
  5. ...
  6. 1123581321345589144233377610987>>>

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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