PowerShell 数组(Array)

本文详细介绍了在PowerShell中如何创建、查询、添加、删除数组元素,以及如何将字符变量转换为数组,并展示了如何使用哈希表进行键值对存储。通过实例演示了数组与哈希表的基本操作方法。
该文章已生成可运行项目,

当一个命令执行返回多个结果的时候,PowerShell 会自动将结果集转换成数组存储,把每一行作为一个元素。以下本人测试了一些基本的数组操作。


PowerShell 当前版本:



创建数组:(创建数组方式有很多种)

#创建整型类型的数组,包含4个元素
$id = 2,0,1,2
$id = (2,0,1,2)

#创建字符类型的数组,包含4个元素
$id=@("A","B","C","D")

#创建一个元素的数组(无逗号则为变量)
$id=,"A"

#无元素的数组
$id=@() 

#创建强类型数组
[int[]] $id=@()

#创建连续编号的数组
$id=1..10

#将操作结果存储为数组
$id = ipconfig

数组查询:

#创建数组
del variable:id
$id = 2,0,1,2

#选择第3个元素的值
$id[2]

#选择第1个和第3个元素
$id[0,2]

#选择第1个至第3个元素
$id[0..2]

#统计数组中的元素个数
$id.count

#选择数组中的最后一个元素
$id[$my.count-1]
$id[-1]

#反序输出数组元素
$id[$id.count..0]


添加删除数组元素:

#添加值为5和9的元素到数组中
$id+='5'
$id=$id+'9'


#删除数组中的部分元素,如删除第3个元素(实为重新赋值)
$id=$id[0..1]+$id[3..$id.count]



将字符变量转成数组显示:

$str="abcd"
$str.Tochararray()


查看变量是否为数组类型:

$id -is [Array]


查看数组及元素的类型:

#获取数组类型
$id.gettype()

#强类型的数组
[int[]] $id=@()
$id.gettype()

#获取数组元素类型
$id[0].gettype()


复制数组:

del variable:id
del variable:my
$id = 2,0,1,2
$my=$id


del variable:id
del variable:my
$id=@("A","B","C","D")
$my=$id.clone()




哈希表!

哈希表并非数组,这里放到数组的章节中,因为用法与数组有些类似。哈希表以键值对("key-value pairs")存储,在哈希表中,可以不用像数组那样的编号定位其值了,而是用键名称查找到相应的值。创建哈希表用 @{} 替代数组的 @()


创建哈希表:

#使用@{}创建哈希表
$stu=@{ name="kk"; age=12; sex="M"}

#查看类型
$stu -is [Array]
$stu.gettype()


查看哈希表键值:

#查看键值
$stu.age
$stu.name
$stu["name"]
$stu["name","age"]

#返回所有键(无值)
$stu.keys

#返回所有值(无键)
$stu[$stu.keys] 



哈希表中存储数组:

$stu=@{ name="kk"; age=12; sex="M"; books="book1","book2","book3"}
$stu.books


哈希表中更改、添加、删除 键值对:

$stu.age=18
$stu.books = "book1", "book2", "book3" ,"book4"

$stu.addr="shenzhen"

$stu.remove("sex")

$stu



参考: PowerShell 在线教程   Chapter 4. Arrays and Hashtables



本文章已经生成可运行项目
本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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