Python学习笔记4——语法基础

该博客主要介绍Python运算符的语法基础。涵盖算数、比较、赋值、逻辑、成员、身份运算符,阐述各运算符的功能、运算规则,如逻辑运算可转换为数学运算,还提及赋值运算优先级及短路问题,强调小括号和幂运算优先级最高。

接上篇——算数运算符

#两个乘号就是指数
a = 7 ** 2
print(a)
49

比较运算符

  • 对两个内容进行比较的运算符
  • 结果一定是布尔值,即True/False
# 等于 ==
a = 3 == 4
print(a)

#不等于 !=
a = 3 != 4
print(a)

#其他符号是
#>,>=,<,<=

print(3 >=8)

print("WangXiaojing" > "Liudana")
False
True
False
True

赋值运算符

  • 把一个值放到变量里面去
  • 运算优先级最低,从右往左运算,最后向最左边赋值
#赋值符号 =
a = 9
a = b = 9
a,b = 1,2

#赋值的缩写
c = 10
c = c + 3
print(c)

# 注意下面符号仅仅是一个缩写
c += 3 # c = c + 3
print(c)

##所有数学运算符都可以缩写
#-=,*=,/=,//=,%=,**=,都是缩写形式
#python里没有 ++ ,--
13
16

逻辑运算符

  • 对布尔类型变量或者值进行运算的符号
  • and: 逻辑“与”
  • or : 逻辑“或”
  • not: 逻辑“非”
  • python里面的逻辑运算没有异或
  • 运算规则:
    • and看做乘法,or看做加法
    • True看做1,False看做0
    • 则逻辑运算就能转换成数学运算
    • 最后结果是0则是False,否则为True
  • 逻辑运算的短路问题
    • 逻辑运算是,按照运算顺序计算
# 逻辑表达距离
a = True
b = True
c = False

aa = a and b #左边表达式可以转换成1*1
print(aa)

bb = a and c
print(bb)

cc = 100 and c
print(cc)

# 布尔值与数字的转化
# 数字转换成布尔值的时候,0 = False,其余是True
# 布尔值转换成数字的时候,True = 1,False = 0
True
False
False
# 短路问题案例1
a = True
b = True
c = False

aa = a or b and (a and b) #转换成算数1+......
print(aa)
True
# 短路问题案例2
def a():
    print('a')
    return True

def b():
    print('b')
    return True
aaa = a() and b()
print(aaa)

#字符串乘以数字,表示对这个字符串重复多少遍
print('*' * 20)

bbb = a() or b() #短路发生
print(bbb)
a
b
True
********************
a
True

成员运算符

  • 用来检测一个值或者变量是否在某个集合里面
  • in: 成员运算符
  • not in:不在里面的意思
  • 返回True/False
# in 案例
L = [1,2,3,4,5]
a = 6
aa = a in L
print(aa)

# a 没有在L里面
aa = a not in L
print(aa)
False
True

身份运算符

  • 用来确定两个变量是否是同一个变量
  • is: 变量运算符
  • is not:不是
  • [-5,256]解释器已经做了单独处理,放在内存中,不会因每次运行而发生变化
a = 1
b = 6496845

aa = a is b
print(aa)

# a,b仅仅是值一样,并不代表a,b是一个变量
a = 10884455
b = 10884455

aa = a is b
print(aa)

#正确理解下面案例与上面案例的不同
#a,b仅仅是值一样,并不代表a,b是一个变量
a = 4
b = 4

aa = a is b
print(aa)
False
False
True

运算符优先级问题

  • 小括号具有最高优先级
    • 幂运算 **具有最高优先级
内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
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