Python3入门(三)

Ai数字人直播系统源码部署 虚拟形象定制,直播内容智能生成,多语言支持,智能互动,声音克隆,24 小时不间断直播,多平台直播,智能数据分析,实时情感识别,视频合成,Ai数字人直播系统源码出售,Ai数字人直播系统源码部署实现 AI 数字人 24 小时不间断直播功能是一个较为复杂的任务,涉及到多个方面,如直播流的推送、内容的持续生成、系统的稳定性保障等。以下为你提供一个简化的实现思路和示例代码,借助 Python 结合 FFmpeg 工具来模拟 24 小时不间断直播。 阅读详情

Python3入门(三)

三、Python3列表

序列是Python中最基本的数据结构。

  • 序列中的每个值都有对应值的位置值,称之为索引,第一个索引是0,第二个索引是1,依次类推。

  • Python有6个序列的内置类型,但最常见的是列表和元组。

  • 列表都可以进行的操作包括索引,切片,加,乘,检查成员。

  • Python已经内置确定序列的长度以及确定最大和最小元素的方法。

  • 列表是最常用的Python数据类型,它可以作为一个方括号内的逗号分隔值出现。

  • 列表的数据项不需要具有相同的数据类型。

list1 = ['Google', 'Runoob', 1997, 2000]
list2 = [1, 2, 3, 4, 5 ]
list3 = ["a", "b", "c", "d"]
list4 = ['red', 'green', 'blue', 'yellow', 'white', 'black']

1.访问列表中的值

与字符串的索引一样,列表索引从0开始,第二个索引是1。

list = ['red', 'green', 'blue', 'yellow', 'white', 'black']
print( list[0] )
print( list[1] )
print( list[2] )

#输出结果:
#red
#green
#blue

索引也可以从尾部开始,最后一个元素的索引为**-1**,往前一位是**-2**。

list = ['red', 'green', 'blue', 'yellow', 'white', 'black']
print( list[-1] )
print( list[-2] )
print( list[-3] )

#输出结果:
#black
#white
#yellow

可以使用方括号 [] 的形式截取字符。

nums = [10, 20, 30, 40, 50, 60, 70, 80, 90]
print(nums[0:4])

#输出结果:
#[10, 20, 30, 40]

使用负数索引值截取:

list = ['Google', 'Runoob', "Zhihu", "Taobao", "Wiki"]
 
# 读取第二位
print ("list[1]: ", list[1])
# 从第二位开始(包含)截取到倒数第二位(不包含)
print ("list[1:-2]: ", list[1:-2])

输出结果:
#list[1]:  Runoob
#list[1:-2]:  ['Runoob', 'Zhihu']

2.更新列表

我们可以对列表的数据项进行修改或更新,也可以使用append() 方法来添加列表项。

list = ['Google', 'Runoob', 1997, 2000]
 
print ("第三个元素为 : ", list[2])
list[2] = 2001  #替换值
print ("更新后的第三个元素为 : ", list[2])
 
list1 = ['Google', 'Runoob', 'Taobao']
list1.append('Baidu')  #在列表后插入
print ("更新后的列表 : ", list1)

#输出结果:
第三个元素为 :  1997
更新后的第三个元素为 :  2001
更新后的列表 :  ['Google', 'Runoob', 'Taobao', 'Baidu']

3.删除列表元素

可以使用del语句来删除列表的元素。

list = ['Google', 'Runoob', 1997, 2000]
 
print ("原始列表 : ", list)
del list[2]
print ("删除第三个元素 : ", list)
list.remove(2000)  #移除匹配的第一个元素
print(list)

#输出结果:
#原始列表 :  ['Google', 'Runoob', 1997, 2000]
#删除第三个元素 :  ['Google', 'Runoob', 2000]
#['Google', 'Runoob']

4.Python列表脚本操作符

列表对**+和*的操作符与字符串相似。+号用于组合列表,***号用于重复列表。

Python 表达式结果描述
len([1, 2, 3])3长度
[1, 2, 3] + [4, 5, 6][1, 2, 3, 4, 5, 6]组合
[‘Hi!’] * 4[‘Hi!’, ‘Hi!’, ‘Hi!’, ‘Hi!’]重复
3 in [1, 2, 3]True元素是否存在于列表中
for x in [1, 2, 3]: print(x, end=" ")1 2 3迭代

实例:

#统计列表长度
list1 = [1, 2, 3, 4, 5]
print(len(list1))

#输出结果:5

#列表组合
list2 = ['a', 'b', 'c']

print(list1 + list2)

#输出结果:[1, 2, 3, 4, 5, 'a', 'b', 'c']

#列表重复
print(list1 * 2)

#输出结果:[1, 2, 3, 4, 5, 1, 2, 3, 4, 5]

#判断元素是否存在于列表
a = 1
if a in list1:
    print("a is in list")
else:
    print("a is not in list")
    
#输出结果:a is in list

#列表迭代
for x in list1:
    print(x, end=" ")

#输出结果:1 2 3 4 5 

5.Python列表截取与拼接

Python的列表截取与字符串操作类型,如下所示:

L=['Google', 'Runoob', 'Taobao']
Python 表达式结果描述
L[2]‘Taobao’读取第三个元素
L[-2]‘Runoob’从右侧开始读取倒数第二个元素: count from the right
L[1:][‘Runoob’, ‘Taobao’]输出从第二个元素开始后的所有元素

6.嵌套列表

使用嵌套列表即在列表里创建其他列表,如:

a = ['a', 'b', 'c']
n = [1, 2, 3]
x = [a, n]

print(x)
print(x[0])
print(x[0][1])

#输出结果:
#[['a', 'b', 'c'], [1, 2, 3]]
#['a', 'b', 'c']
#b

7.Python列表函数&方法

Python包含以下函数:

序号函数
1len(list) 列表元素个数
2max(list) 返回列表元素最大值
3min(list) 返回列表元素最小值
4list(seq) 将元组转换为列表

Python包含以下方法:

序号方法
1list.append(obj) 在列表末尾添加新的对象
2list.count(obj) 统计某个元素在列表中出现的次数
3list.extend(seq) 在列表末尾一次性追加另一个序列中的多个值(用新列表扩展原来的列表)
4list.index(obj) 从列表中找出某个值第一个匹配项的索引位置
5list.insert(index, obj) 将对象插入列表
6list.pop(index=-1) 移除列表中的一个元素(默认最后一个元素),并且返回该元素的值
7list.remove(obj) 移除列表中某个值的第一个匹配项
8list.reverse() 反向列表中元素
9list.sort( key=None, reverse=False) 对原列表进行排序
10list.clear() 清空列表
11list.copy() 复制列表

四、Python3元组

  • Python的元组与列表类似,不同之处在于元组的元素不能修改。

  • 元组使用小括号 ( ),列表使用方括号 [ ]。

  • 元组创建很简单,只需要在括号中添加元素,并使用逗号隔开即可。

创建空元组

tup1 = ()

元组中只包含一个元素时,需要在元素后面添加逗号,否则括号会被当做运算符使用:

tup1 = (50)
print(type(tup1))     # 不加逗号,类型为整型

tup1 = (50,)
print(type(tup1))    # 加上逗号,类型为元组

#输出结果:
#<class 'int'>
#<class 'tuple'>

元组与字符串类似,下标索引从0开始,可以进行截取,组合等。

1.访问元组

元组可以使用下标索引来访问元组中的值。

tup1 = ('Google', 'Runoob', 1997, 2000)
tup2 = (1, 2, 3, 4, 5, 6, 7 )
 
print ("tup1[0]: ", tup1[0])
print ("tup2[1:5]: ", tup2[1:5])

#输出结果:
#tup1[0]:  Google
#tup2[1:5]:  (2, 3, 4, 5)

2.修改元组

元组中的元素值是不允许修改的,但我们可以对元组进行组合连接。

tup1 = (12, 34.56)
tup2 = ('abc', 'xyz')
 
# 以下修改元组元素操作是非法的。
# tup1[0] = 100
 
# 创建一个新的元组
tup3 = tup1 + tup2
print (tup3)

#输出结果:(12, 34.56, 'abc', 'xyz')

3.删除元组

元组中的元素是不允许删除的,但可以使用del语句来删除整个元组。

tup = ('Google', 'Runoob', 1997, 2000)

print(tup)
del tup
print("删除后的元组 tup : ")
print(tup)

#输出结果:
#('Google', 'Runoob', 1997, 2000)
#删除后的元组 tup : 
#Traceback (most recent call last):
#  File "D:/python_project/main.py", line 6, in <module>
#    print(tup)
#NameError: name 'tup' is not defined

4.元组运算符

与字符串一样,元组之间可以使用 + 号和 ***** 号进行运算。

Python 表达式结果描述
len((1, 2, 3))3计算元素个数
(1, 2, 3) + (4, 5, 6)(1, 2, 3, 4, 5, 6)连接
(‘Hi!’,) * 4(‘Hi!’, ‘Hi!’, ‘Hi!’, ‘Hi!’)复制
3 in (1, 2, 3)True元素是否存在
for x in (1, 2, 3): print (x,)1 2 3迭代

5.元组索引、截取

因为元组也是一个序列,所以我们可以访问元组中的指定位置的元素,也可以截取索引中的一段元素。

tup = ('Google', 'Runoob', 'Taobao', 'Wiki', 'Weibo','Weixin')
Python 表达式结果描述
tup[1]‘Runoob’读取第二个元素
tup[-2]‘Weibo’反向读取,读取倒数第二个元素
tup[1:](‘Runoob’, ‘Taobao’, ‘Wiki’, ‘Weibo’, ‘Weixin’)截取元素,从第二个开始后的所有元素。
tup[1:4](‘Runoob’, ‘Taobao’, ‘Wiki’)截取元素,从第二个开始到第四个元素(索引为 3)。

实例:

tup = ('Google', 'Runoob', 'Taobao', 'Wiki', 'Weibo','Weixin')
print(tup[1])
print(tup[-2])

print(tup[1:])

print(tup[1:4]) #不包括4

#输出结果:
#Runoob
#Weibo
#('Runoob', 'Taobao', 'Wiki', 'Weibo', 'Weixin')
#('Runoob', 'Taobao', 'Wiki')

6.元组内置函数

Python元组包含了以下内置函数

序号方法及描述实例
1len(tuple) 计算元组元素个数。>>> tuple1 = ('Google', 'Runoob', 'Taobao') >>> len(tuple1) 3 >>>
2max(tuple) 返回元组中元素最大值。>>> tuple2 = ('5', '4', '8') >>> max(tuple2) '8' >>>
3min(tuple) 返回元组中元素最小值。>>> tuple2 = ('5', '4', '8') >>> min(tuple2) '4' >>>
4tuple(iterable) 将可迭代系列转换为元组。>>> list1= ['Google', 'Taobao', 'Runoob', 'Baidu'] >>> tuple1=tuple(list1) >>> tuple1 ('Google', 'Taobao', 'Runoob', 'Baidu')
关于元组是不可变的

所谓元组的不可变指的是元组所指向的内存中的内容不可变。

tup = ('r', 'u', 'n', 'o', 'o', 'b')
# tup[0] = 'g'     # 不支持修改元素,会报错
print(id(tup))    # 查看内存地址
tup = (1, 2, 3)
print(id(tup))    # 内存地址不一样了

#输出结果:
#1939753868360
#1939754167416

五、Python3字典

  • 字典是另一种可变容器模型,且可存储任意类型对象。

  • 字典的每个键值 key=>value 对用冒号 : 分割,每个对之间用逗号(,)分割,整个字典包括在花括号 {} 中 ,格式如下所示:

d = {key1 : value1, key2 : value2, key3 : value3 }

键必须是唯一的,但值不必。

值可以取任何数据类型,但键必须是不可变的,如字符串,数字。

1.访问字典里的值

把相应的键放入方括号中:

dict = {'Name': 'Runoob', 'Age': 7, 'Class': 'First'}
 
print ("dict['Name']: ", dict['Name'])
print ("dict['Age']: ", dict['Age'])

#输出结果:
#dict['Name']:  Runoob
#dict['Age']:  7


#如果访问的值不在字典里,则会报错
print("dict['Alice']: ", dict['Alice'])

#Traceback (most recent call last):
#  File "D:/python_project/main.py", line 5, in <module>
#    print("dict['Alice']: ", dict['Alice'])
#KeyError: 'Alice'

2.修改字典

向字典里添加新内容的方法是增加新的键/值对,修改或删除已有键/值对。

dict = {'Name': 'Runoob', 'Age': 7, 'Class': 'First'}
 
dict['Age'] = 8               # 更新 Age
dict['School'] = "菜鸟教程"  # 添加信息
 
 
print("dict['Age']: ", dict['Age'])
print("dict['School']: ", dict['School'])
print(dict)

#输出结果:
#dict['Age']:  8
#dict['School']:  菜鸟教程
#{'Name': 'Runoob', 'Age': 8, 'Class': 'First', 'School': '菜鸟教程'}

3.删除字典元素

能删单一的元素也能清空字典,清空只需一项操作。

显示删除一个字典用del命令。

dict = {'Name': 'Runoob', 'Age': 7, 'Class': 'First'}
 
del dict['Name'] # 删除键 'Name'
print ("dict['Age']: ", dict['Age'])
print(dict)
dict.clear()     # 清空字典
print(dict)
del dict         # 删除字典  删除后字典不存在,报错
 
#输出结果:
#dict['Age']:  7
#{'Age': 7, 'Class': 'First'}
#{}
字典键的特性

字典值可以是任何的Python对象,既可以是标准的对象,也可以是用户定义的,但键不行。

  • 不允许同一个键出现两次。创建时如果同一个键被赋值两次,后一个值会被记住。
dict = {'Name': 'Runoob', 'Age': 7, 'Name': 'lihua'}

print("dict['Name']: ", dict['Name'])

#输出结果:
#dict['Name']:  lihua
  • 键必须不可变,所以可以用数字,字符串或元组充当,而用列表就不行。
dict = {['Name']: 'Runoob', 'Age': 7}
 
print ("dict['Name']: ", dict['Name'])

#输出结果:
#Traceback (most recent call last):
#  File "D:/python_project/main.py", line 1, in <module>
#    dict = {['Name']: 'Runoob', 'Age': 7}
#TypeError: unhashable type: 'list'

4.字典内置函数&方法

Python字典包含了以下内置函数:

序号函数及描述实例
1len(dict) 计算字典元素个数,即键的总数。>>> dict = {'Name': 'Runoob', 'Age': 7, 'Class': 'First'} >>> len(dict) 3
2str(dict) 输出字典,以可打印的字符串表示。>>> dict = {'Name': 'Runoob', 'Age': 7, 'Class': 'First'} >>> str(dict) "{'Name': 'Runoob', 'Class': 'First', 'Age': 7}"
3type(variable) 返回输入的变量类型,如果变量是字典就返回字典类型。>>> dict = {'Name': 'Runoob', 'Age': 7, 'Class': 'First'} >>> type(dict) <class 'dict'>

Python字典包含了以下内置方法:

序号函数及描述
1radiansdict.clear() 删除字典内所有元素
2radiansdict.copy() 返回一个字典的浅复制
3radiansdict.fromkeys() 创建一个新字典,以序列seq中元素做字典的键,val为字典所有键对应的初始值
4radiansdict.get(key, default=None) 返回指定键的值,如果键不在字典中返回 default 设置的默认值
5key in dict 如果键在字典dict里返回true,否则返回false
6radiansdict.items() 以列表返回可遍历的(键, 值) 元组数组
7radiansdict.keys() 返回一个迭代器,可以使用 list() 来转换为列表
8radiansdict.setdefault(key, default=None) 和get()类似, 但如果键不存在于字典中,将会添加键并将值设为default
9radiansdict.update(dict2) 把字典dict2的键/值对更新到dict里
10radiansdict.values() 返回一个迭代器,可以使用 list() 来转换为列表
11pop(key,default) 删除字典给定键 key 所对应的值,返回值为被删除的值。key值必须给出。 否则,返回default值。
12popitem() 随机返回并删除字典中的最后一对键和值。

实例:

#clear()方法
dict = {'Name': 'Zara', 'Age': 7}

print("字典长度 : %d" %  len(dict))
dict.clear()
print("字典删除后长度 : %d" %  len(dict))
print(dict)

#输出结果:
#字典长度 : 2
#字典删除后长度 : 0
#{}
#copy()方法
dict1 = {'Name': 'Runoob', 'Age': 7, 'Class': 'First'}
 
dict2 = dict1.copy()  
#浅拷贝:深拷贝父对象(一级目录),子对象(二级目录)不拷贝,子对象是引用
print ("dict2 : ",dict2)
dict3 = dict1   #浅拷贝:引用对象
print("dict3 : ",dict3)

#输出结果:
#dict2 :  {'Name': 'Runoob', 'Age': 7, 'Class': 'First'}
#dict3 :  {'Name': 'Runoob', 'Age': 7, 'Class': 'First'}
#fromkeys()方法
#seq -- 字典键值列表。
#value -- 可选参数, 设置键序列(seq)对应的值,默认为 None。
seq = ('name', 'age', 'sex')
 
dict = dict.fromkeys(seq)
print ("新的字典为 : %s" %  str(dict))
 
dict = dict.fromkeys(seq, 10)
print ("新的字典为 : %s" %  str(dict))

#输出结果:
新的字典为 : {'name': None, 'age': None, 'sex': None}
新的字典为 : {'name': 10, 'age': 10, 'sex': 10}
#get()方法
#key -- 字典中要查找的键。
#default -- 如果指定的键不存在时,返回该默认值。

dict = {'Name': 'Runoob', 'Age': 27}

print ("Age 值为 : %s" %  dict.get('Age'))
print ("Sex 值为 : %s" %  dict.get('Sex', "NA"))

#输出结果:
#Age 值为 : 27
#Sex 值为 : NA
#items()方法
dict = {'Name': 'Runoob', 'Age': 7}
 
print ("Value : %s" %  dict.items())

#输出结果:
#Value : dict_items([('Name', 'Runoob'), ('Age', 7)])
#keys()方法
dict = {'Name': 'Runoob', 'Age': 7}
print(dict.keys())
print(list(dict.keys()))    # 转换为列表

#输出结果:
#dict_keys(['Name', 'Age'])
#['Name', 'Age']

六、Python3集合

集合(set)是一个无序的不重复元素序列。

可以使用大括号**{ }** 或者 set() 函数创建集合,注意:创建一个空集合必须用 set() 而不是 { },因为 { } 是用来创建一个空字典。

创建格式:

parame = {value01,value02,...}
或者
set(value)

实例:

basket = {'apple', 'orange', 'apple', 'pear', 'orange', 'banana'}
print(basket)                      # 这里演示的是去重功能
if 'orange' in basket:             # 快速判断元素是否在集合内
    print("Ture")
else:
    print("False")
if 'crabgrass' in basket:
    print("Ture")
else:
    print("False")
a = set('abracadabra')
b = set('alacazam')
print(a)

print(a - b)                             # 集合a中包含而集合b中不包含的元素
print(a | b)                             # 集合a或b中包含的所有元素
print(a & b)                             # 集合a和b中都包含了的元素
print(a ^ b)                             # 不同时包含于a和b的元素

#输出结果:
#{'orange', 'apple', 'pear', 'banana'}
#Ture
#False
#{'a', 'r', 'd', 'c', 'b'}
#{'r', 'b', 'd'}
#{'a', 'z', 'r', 'd', 'm', 'l', 'c', 'b'}
#{'c', 'a'}
#{'d', 'l', 'z', 'b', 'r', 'm'}

集合的基本操作

1.添加元素

语法格式如下:

s.add( x )   #将元素x添加到集合s中,如果元素已存在,则不进行任何操作
s.update( x )   #添加元素,且参数可以是列表,元组,字典等

实例:

thisset = set(("Google", "Runoob", "Taobao"))
thisset.add("Facebook")
print(thisset)


thisset.update({1,3})
print(thisset)
thisset.update([1,4],[5,6])  
print(thisset)

#运行结果:
#{'Runoob', 'Google', 'Facebook', 'Taobao'}
#{1, 'Google', 3, 'Taobao', 'Runoob', 'Facebook'}
#{1, 3, 4, 5, 6, 'Facebook', 'Google', 'Runoob', 'Taobao'}
2.移除元素

语法格式如下:

s.remove( x )  #将元素 x 从集合 s 中移除,如果元素不存在,则会发生错误。
s.discard( x )  #移除集合中的元素,且如果元素不存在,不会发生错误。
s.pop()   #随机删除集合中的一个元素(set 集合的 pop 方法会对集合进行无序的排列,然后将这个无序排列集合的左面第一个元素进行删除。)

实例:

thisset = set(("Google", "Runoob", "Taobao"))
thisset.remove("Taobao")
print(thisset
thisset.remove("Facebook")   # 不存在会发生错误

thisset.discard("Facebook")  # 不存在不会发生错误
print(thisset)

      
thisset = set(("Google", "Runoob", "Taobao", "Facebook"))
x = thisset.pop()

print(x)       
#输出结果:
#{'Google', 'Runoob'}
#Traceback (most recent call last):
#  File "D:/python_project/main.py", line 4, in <module>
#    thisset.remove("Facebook")   # 不存在会发生错误
#KeyError: 'Facebook'
      
#{'Runoob', 'Google'}
      
#Runoob   多次运行结果都不一样
3.计算集合元素个数

语法格式如下:

len(s)   #计算结合S元素个数

实例:

thisset = set(("Google", "Runoob", "Taobao"))
print(len(thisset))

#输出结果:
#3
4.清空格式

语法格式如下:

s.clear()  #清空集合 s

实例:

thisset = set(("Google", "Runoob", "Taobao"))
thisset.clear()
print(thisset)

#输出结果:
#set()
5.判断元素是否在集合中

语法格式如下:

x in s   #判断元素 x 是否在集合 s 中,存在返回 True,不存在返回 False。

实例:

thisset = set(("Google", "Runoob", "Taobao"))
if "Runoob" in thisset:
    print("Ture")
else:
    print("False")
if "Facebook" in thisset:
    print("Ture")
else:
    print("False")

#输出结果:
#Ture
#False

集合内置方法完整列表

方法描述
add()为集合添加元素
clear()移除集合中的所有元素
copy()拷贝一个集合
difference()返回多个集合的差集
difference_update()移除集合中的元素,该元素在指定的集合也存在。
discard()删除集合中指定的元素
intersection()返回集合的交集
intersection_update()返回集合的交集。
isdisjoint()判断两个集合是否包含相同的元素,如果没有返回 True,否则返回 False。
issubset()判断指定集合是否为该方法参数集合的子集。
issuperset()判断该方法的参数集合是否为指定集合的子集
pop()随机移除元素
remove()移除指定元素
symmetric_difference()返回两个集合中不重复的元素集合。
symmetric_difference_update()移除当前集合中在另外一个指定集合相同的元素,并将另外一个指定集合中不同的元素插入到当前集合中。
union()返回两个集合的并集
update()给集合添加元素
零件边界线提取处理原理详解 该程序提出了一种高效的点云边界提取方法,通过三阶段处理流程实现零件几何特征的精确提取。首先采用RANSAC算法进行坐标系标准化,包括主平面检测、点云分割和双重旋转对齐。接着使用凹包算法和RANSAC直线拟合提取底面边界。最后通过多方向密度切片分析(Z向100片、X向50片),自动选择高密度切片进行边界提取和直线拟合。算法具有鲁棒性强、处理效率高(支持OpenMP并行计算)和参数可配置等特点,能有效提取零件的几何边界特征,为后续质量检测提供基础。实验结果显示该方法能准确提取零件的多方向边界线。 阅读详情

相关推荐

激光三角测量法:斜射与直射式技术的原理与应用解析

本文深入解析激光三角测量法中斜射式与直射式技术的原理、应用及对比。斜射式适用于高精度小范围测量,尤其擅长处理反光表面;直射式则适合大范围位移检测,结构更简单。文章详细介绍了两种技术的光路分析、数学建模、应用场景及选型建议,并探讨了系统校准与误差分析方法,为工业检测领域提供实用参考。

weixin_29280219的博客 414

2021-07-17 Python组合数据类型1

组合数据类型 接下来,我们将学习如何使用python中的组合数据类型 组合数据类型将数据项集中在一起,以便在程序设计时有更多的选项。本章将深入计解 列表、元组、字典与集合。另外,还将介绍一些组合数据类型的高级特性。 一. 列表 Python内置的一种数据类型是列表list。list是一种最具灵活性的有序集合对象类型,可以随 时添加和删除其中的元素。 列表的常用操作 1.创建列表 #通常使用左右方括号(即:[和])将数据元素包裹起来创建一个列表, list1 = [1,2,3,4,5] list2 = ["

mark_jaunty的博客 607

手把手教你用STM32CubeMX和HAL库驱动MT6835磁编码器(SPI读取21位角度)

本文详细介绍了如何使用STM32CubeMX和HAL库驱动MT6835磁编码器,通过SPI接口读取21位高精度角度数据。从硬件准备、CubeMX配置到HAL库驱动实现与优化,提供了完整的实战指南,帮助开发者快速掌握磁编码器的应用技巧,适用于机器人关节和精密仪器等高精度场景。

weixin_28716769的博客 439

python03数据操作

一、列表 新建列表 list1 = ['Google', 'Runoob', 1997, 2000]; list2 = [1, 2, 3, 4, 5, 6, 7 ]; print ("list1[0]: ", list1[0]) print ("list2[1:5]: ", list2[1:5]) 运行值 list1[0]: Google list2[1:5]: [2, 3, 4, 5] ...

好乐无荒之地 429

二维otsu算法python_OpenCV-Python系列之OTSU算法

上一个教程中,我们谈到了关于图像二值化的两种方法,一种是固定阈值法,另一种是自适应阈值法,总的来说,自适应阈值法在某些方面要由于固定阈值法,但还没完,这次我们将隆重介绍我们的重量级选手,也就是OTSU算法(又称为大津算法和最大类间方差法)。最大类间方差法是1979年由日本学者大津提出的,是一种自适应阈值确定的方法,又叫大津法,简称OTSU,是一种基于全局的二值化算法,它是根据图像的灰度特性,将图像...

weixin_28834169的博客 1426

智能座舱音频系统集成与调试:从芯片选型到音质优化实战

在智能座舱域控制器架构中,音频系统已从简单的功放加扬声器演进为SoC、数字音频总线、外部DSP与多通道功放协同的复杂子系统。TDM总线的时隙分配、PDM麦克风阵列的信号完整性,以及AEC回声消除算法如何与硬件协同,直接决定多音区体验和语音交互的可靠性。工程实践中,音频调试的关键在于先理顺供电、接地、时钟与数据路由,再针对功放削波、采样率失配、TDM slot错位等典型问题进行系统性排查。从芯片选型到系统级指标验收,只有将音频链路视为整车电子电气架构的一个协同整体,才能真正实现从“响”到“好听”的跨越。本文结

weixin_30162121的博客 364

Python-List()

python list()

weixin_70735418的博客 428

彻底摆脱文献只能读开头的痛苦!这款文献检索神器真能帮你跨越文献付费限制(附实操演示)

大家是不是有过这样的经历,好不容易通过关键词搜到了和自己主题高度相关的文献,想要快速获取文献信息,推进研究进度,却又因为付费或者需订阅才能下载PDF,而被劝退。粘贴完成后,点击搜索,搜索结果页面会显示这篇文献的相关信息,有的文献有“下载PDF”,有的文献则只有“求助PDF”,不管是哪种情况,直接点击进入;我这里点击的是“下载PDF”,接着它会跳转页面。我用 Book 学术下载过不少付费文献,实测下来 80% 左右的文献,都能通过它的求助方式成功获取到,只有少部分文献等待的时间会稍微久一些或者没办法下载。

qq_64378896的博客 164

如何在 Python 中连接两个列表?

这个问题的答案是社区的努力。编辑现有答案以改进这篇文章。它目前不接受新的答案或交互。如何在 Python 中连接两个列表?例子:预期结果:

HuntsBot的博客 3731

24届数字IC设计/验证秋招总结贴——先看这个

为方便快速进行查找该专栏的内容,将所有内容链接均放在此篇博客中整理不易,欢迎订阅~~

qq_42135020的博客 8414

全面解读 SAP Business Data Cloud

SAP 在 2025 年初正式推出(简称BDC),它把、以及全新的统一封装为一项完全托管的 SaaS 服务,配套交付“语义层 + 数据产品 + 智能应用”三层能力,为企业构建真正贴近业务语境的 “Business Data Fabric”。这一方案不仅解决了跨系统数据碎片化、治理难及 AI 训练数据可信度低的问题,还为现有 BW 客户、S/4HANA以及第三方工作负载提供云上现代化路径和零拷贝数据共享机制。本文将围绕技术架构、核心组件、业务场景、迁移路线及未来展望展开,以 Henkel 等真实案例佐证。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 909

Python基础知识——列表list

列表 列表是Python的数据类型,由于列表较为复杂,本文总结了列表的创建,常用处理列表方法和常用处理列表函数 创建列表:列表名= [ 列表选项1,列表选项2,…… 列表选项n ] 创建一个空列表:list1 = [ ] 注意:列表中元素的数据可以是不同数据类型 列表元素访问(注意不要越界,超出可表示的范围):list1 [1] 替换:list [2] = 300 常用处理列表方法 列表组合...

qq_42636638的博客 2873

Epicor ERP 界面新增客制化字段操作方法

我发现国内对于epicor这个erp软件的教程非常少,所以录制一些我实际遇到的需求,整理了实现过程,提供给大家参考。

cqxianggang的专栏 412

Python3 入门三

标准数据类型 Python3 中有六个标准的数据类型: Number(数字) String(字符串) List(列表) Tuple(元组) Set(集合) Dictionary(字典) Python3 的六个标准数据类型中: 不可变数据(3 个):Number(数字)、String(字符串)、Tuple(元组); 可变数据(3 个):List(列表)、Dictionary(字典)...

每天进步一点点儿 381

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Python入门:Python3基础练习题详解,从入门到熟练的 25 个实例(三)

Python入门:Python3基础练习题详解,从入门到熟练的 25 个实例(三),本文是Python3进阶练习题(51-75题)的详解教程,涵盖条件语句、循环控制、递归、类与对象等知识点。文中对每道题都提供了具体代码实现和详细解释,包括用if-else判断数的正负、while循环打印1到10、for循环遍历列表、递归计算阶乘与斐波那契数列、打印九九乘法表、判断特殊数字(如快乐数、水仙花数),以及创建类和子类、实现计算器类、银行账户类、矩阵类等。通过这些练习可帮助学习者巩固基础,提升Python实践能力。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 18万+

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

python3web开发教程_三、Python web开发入门

一、web开发介绍1、web开发概述c/s结构和b/s结构,客户机/服务器结构和浏览器/服务器结构即web开发。b/s结构的优势:不用通知客户端安装某个软件不需要通知客户端升级可以轻松的实现跨平台。访问网站的过程:用户向web服务器发送请求,然后返回一个HTML文件。静态网站:直接返回HTML文件给用户。动态网站:用户请求->执行Python程序(与数据库进行交互)->执行结果->返回HTML给用...

weixin_39811150的博客 1503

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

python3入门代码-Python3入门(三)——Python基础语法

一、基本语法1.行和缩进Python中,不使用括号来表示代码的类和函数定义块或流程控制。代码块是由行缩进,缩进位的数目是可变的,但是在块中的所有语句必须缩进相同的量。如下所示:a = 100if a >=0:print(a)else:print(-a)// 同样的,建议一个tab设置成4个空格(Editor->Code Sytle)2.注释"#”号之后字符和到物理行是注释的一部分,Pyt...

q6q6q的专栏 292

python3基础入门篇(三)

列表中的每个元素都有一个对应的索引,可以使用该索引来访问和修改元素。列表中的元素可以是不同的数据类型,如整数、浮点数、字符串、列表等等。列表中的元素可以是不同的数据类型,如整数、浮点数、字符串、列表等等。元组中的元素可以是不同的数据类型,如整数、浮点数、字符串、元组等等。元组中的元素可以是不同的数据类型,如整数、浮点数、字符串、元组等等。元组中的元素可以是不同的数据类型,如整数、浮点数、字符串、元组等等。元组中的元素可以是不同的数据类型,如整数、浮点数、字符串、元组等等。

Documentlv的博客 492

python 入门基础(三)-Python3急速入门 (一) 基础语法

原标题:Python3急速入门 (一) 基础语法豌豆贴心提醒,这是马哥Linux运维Python3急速入门系列第1篇文章1.编码问题默认情况下,Python 3源码文件以 UTF-8 编码,所有字符串都是 unicode 字符串。 也可以为源码文件指定不同的编码,在文件头部加上:2.关键字保留字即关键字,Python的标准库提供了一个keyword module,可以输出当前版本的所有关键字: 3...

weixin_37988176的博客 135

python3基础语法-Python3入门(三)——Python基础语法

一、基本语法1.行和缩进Python中,不使用括号来表示代码的类和函数定义块或流程控制。代码块是由行缩进,缩进位的数目是可变的,但是在块中的所有语句必须缩进相同的量。如下所示:a = 100if a >=0:print(a)else:print(-a)// 同样的,建议一个tab设置成4个空格(Editor->Code Sytle)2.注释“#”号之后字符和到物理行是注释的一部分,Python解释...

weixin_37988176的博客 106

Python3快速入门(三)——Python3标准数据类型

Python3快速入门(三)——Python3标准数据类型 一、Python3标准数据类型 Python3 中有六种标准数据类型:A、Number(数字)B、String(字符串)C、List(列表)D、Tuple(元组)E、Set(集合)F、Dictionary(字典)Python3 的六种标准数据类型中,Number(数字)、String(字符串)、Tuple(元组)是不可变的,List(列表...

weixin_34161032的博客 371

python3入门与进阶(三)

python3入门与进阶(三) 模块和类 一个项目的基本的组织结构:包(文件夹)—–&gt;模块(文件)—–&gt;类—–&gt;函数,变量; 模块:就是包含一定功能的文件 - 使用import关键字导入模块,这种方式只能导入模块,再通过模块去引用里面的变量和函数 - 给模块...

liNewman的博客 128

Python3基础语法 从入门到精通三

# Python3 break continue pass 语句区别 for str in 'Python': # break Example if str == 'h': break print ('Current str :',str); print("break demo is end"); for str in 'Python': # conti

zhouzhiwengang的专栏 1848

python3从入门到精通(三): python多线程

Python多线程编程摘要 Python多线程通过threading模块实现,允许单个进程同时运行多个线程,提高CPU利用率,特别适用于I/O密集型任务(如网络请求、文件处理)。核心要点包括: 基本概念:线程是进程执行单元,共享内存空间。多线程可避免I/O等待,提升响应速度,但存在线程安全、死锁风险,且受GIL限制无法充分利用多核CPU。 threading模块:提供Thread类创建线程,支持两种方式: 直接实例化Thread对象,传入目标函数 继承Thread类重写run方法 常用方法包括start()

zkcJava的博客 944

(三)python3 只需3小时带你轻松入门—— 变量的简单运算

变量运算 在编程时,需要对数据进行计算,计算的形式不限于:字符串拼接、相加减、相乘除及普遍的数学运算、剔除或指定剔除、添加或指定添加等。 在python中: *表示乘法 /表示除法 +表示加法 -表示减法 a,b=10,11 c=o=g=3 j=2 print(c+a)#加法 print(a-c)#减法 print(a*c)#乘法 print(a/2)#除法 以上python代码使用prin...

1_bit 的博客 1475

python3类_Python3快速入门(三)——Python3标准数据类型

Python3快速入门(三)——Python3标准数据类型一、Python3标准数据类型Python3 中有六种标准数据类型:A、Number(数字)B、String(字符串)C、List(列表)D、Tuple(元组)E、Set(集合)F、Dictionary(字典)Python3 的六种标准数据类型中,Number(数字)、String(字符串)、Tuple(元组)是不可变的,List(列表)、...

weixin_39870199的博客 396
上一篇: Python3入门(二)
下一篇: Python3入门(四)
南乔枝6060
博客等级 码龄8年 1160粉丝 32原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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