千里之行 | 元组&字典&集合

一. 元组简介

  • 元组基本介绍
    ♦ 元组的表现形式:tuple;
    ♦ 元组是一个不可变序列(一般当我们希望数据改变时,使用元组(如存储身份证号),其他情况下基本都使用列表)
    ♦ 使用( )创建元组;
    ♦ 元组不是空元组至少有一个逗号(,),当元组不是空元组时括号可以省略;
    ♦ 元组解包指将元组当中的每一个元素都赋值给一个变量;

二. 字典简介

1. 字典的基本介绍

  • 字典属于一种新的数据结构称为映射(mappint);
  • 字典的作用和列表类似,都是用来存储对象的容器;
  • 列表存储数据的性能好,但是查询数据的性能差,字典正好与之相反;
  • 在字典中每一个元素都有一个唯一的名字,通过这个唯一的名字可以找到指定的元素;
  • 这个唯一的名字称之为key,通过key可以快速查询value,也可以称之为值;
  • 字典也称之为键值对,而每一个键值对称其为一项(item);
  • 创建一个有数据的字典,语法{key:value};
  • 字典的值可以是任意对象,字典的键可以是任意的不可变对象(int str bool tuple…)
  • 字典的键是不能重复的,如果出现重复的后面的会替换前面的;

2. 字典的使用

  • dict( )函数来创建字典;
  • get(key[,default])根据键来获取字典的值。第二个参数可以指定一个默认值,当获取不到值的时候会返回默认值;
  • update( )将其他字典的key-value添加到当前的字典当中;
  • del删除字典中的key-value;
  • popitem( )删除字典最后的一个key-value,这个方法是有返回值的。删除之后它会将删除的key-value作为返回值返回;
  • pop(key[,default]) 根据key删除自定中的value。第二个参数可以指定一个默认值,当获取不到值的时候会返回默认值。

3. copy( )

  • copy( )方法用来对字典进行浅复制;(注意:浅复制只会复制字典本身,如果字典中还有个字典是不会进行复制的;

4. 遍历字典

  • 主要可以通过3种方式对字典进行遍历;
    ♦ keys( )方法返回字典所有的key;
    ♦ values( )该方法会返回一个序列,序列中保存有字典的值;
    ♦ items( )该方法会返 回字典中所有的项,它返回一个序列,序列中包含有双值子序列,双值分别是字典中的key和value;

四. 集合

1. 集合简介

  • 集合表现 形式set,集合和列表非常相似;
  • 不同点;
    ♦ 集合中只能存储不可变对象;
    ♦ 集合中存储的对象是无序的;
    ♦ 集合不能出现重复元素;
  • 使用{ }来创建几何;
  • 可以通过set()来将序列和字典转换成集合;
  • 使用len()来获取集合中元素的数量;
  • add()向集合中添加元素;
  • update()将一个集合中的元素添加到另一个集合当中;
  • pop()随机删除集合中的一个元素,一般是删除最后一个元素;
  • remove()删除集合中的元素;
  • clear()清空集合;

2. 集合的运算

  • & 交集运算;
  • | 并集运算;
  • - 差集运算;
  • ^ 异或集;
  • <= 检查一个集合是否是另一个集合的子集;
  • < 检查一个集合是否是另一个集合的真子集;
  • >= 检查一个集合是否是另一个集合的超集;
  • > 检查一个集合是否是另一个集合的真超集;
分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为&ldquo;frft&rdquo;的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
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