dictionary changed size during iteration 解决方法及联想

在字典遍历过程中修改字典元素,报错 RuntimeError: dictionary changed size during iteration

得知遍历时不能修改字典元素

for k in my_dict.keys():
    if k in my_list:
        del my_dict[k]

解决办法:将遍历条件改为列表

for k in list(my_dict.keys()):
    if k in my_list:
        del my_dict[k]

其中:

  • 删除字典的元素可以使用del dict[key] 也可以使用dict.pop(key)
  • list(my_dict.keys())list(my_dict)的结果都是字典的键的列表

这个遍历突然让我想起一个函数编程的好处。
举个例子:

a = range(20)

for index, i in enumerate(a):
    if i % 3 != 0:
        a.pop(index)

[0, 2, 3, 5, 6, 8, 9, 11, 12, 14, 15, 17, 18]
a = range(20)
filter(lambda x: x % 3 == 0, a)

[0, 3, 6, 9, 12, 15, 18]

记住:千万别在遍历的时候对你迭代的对象进行删除操作,除非你用filter,map,reduce这样的方法。

### 关于语音信号预处理中的FFT应用 #### FFT在语音信号预处理的作用 快速傅里叶变换(Fast Fourier Transform, FFT)是一种用于计算离散傅里叶变换及其逆运算的有效算法。对于语音信号而言,通过FFT能够将时间域上的数据转换到频率域上表示,从而更直观地观察并操作不同频率成分的信息。 利用MATLAB内置的`fft()`函数可以方便快捷地完成这一过程,在实际编程过程中只需要提供待变换的时间序列作为输入参数即可获得相应的频谱图[^2]。 #### MATLAB代码实例展示如何使用FFT进行语音信号预处理 下面给出一段简单的MATLAB脚本用来读取音频文件并对其中的声音做FFT分析: ```matlab % 加载.wav格式的单声道音频文件 [file,Fs]=audioread('example_audio_file.wav'); % 对原始声音样本执行快速傅立叶变换 N=length(file); Y=fft(file); % 计算双边幅度谱P2以及对应的单边幅值P1 P2 = abs(Y/L); P1 = P2(1:N/2+1); P1(2:end-1) = 2*P1(2:end-1); % 绘制结果图形 f = Fs*(0:(L/2))/L; figure; plot(f,P1) title('单边振幅谱') xlabel('f (Hz)') ylabel('|P1(f)|'); ``` 上述程序片段展示了怎样加载一个`.wav`类型的音频文档,并对其实施了基本形式下的FFT变换;最后还绘制出了该音频对应的一侧频谱图像来辅助理解和解释所获取的数据特征。 #### 进一步优化与扩展 为了使得到的结果更加精确可靠,通常还需要考虑以下几个方面的工作: - **去除直流偏置**:即减去平均值以消除可能存在的DC分量影响; - **窗口化处理**:采用汉宁窗或其他适合的选择减少截断效应带来的误差; - **功率谱密度估计**:除了直接查看幅度外还可以进一步求解PSD曲线反映能量分布情况。 这些改进措施有助于提高最终输出的质量,使得后续诸如降噪、增强等任务变得更加容易有效开展[^3]。
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

打赏作者

天马行空波

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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