Python good use

本文详细介绍Python中常用的字符串操作方法,包括capitalize(), title(), count(), endswith()等,以及日期时间处理,列表操作,数学运算,正则表达式使用,文件编码,序列化与反序列化,时间格式化等高级技巧。同时,介绍了Python函数参数,偏函数,迭代器,组合和排列等进阶概念。

Nice Code

str.capitalize() 返回str的首字母大写,其他全小写

str.title()str的所有单词首字母大写,其他全小写

str.count(sub, start= 0,end=len(string))  字符串匹配,返回str中sub的个数

str.endswith(suffix[, start[, end]])  suffix是匹配的字符串,如以该字符串结尾,返回T

calendar.month(2016, 1)  返回该月日历(import calendar

datetime.date.isocalendar()  返回格式如(year,month,day)的元组,(2017, 15, 6)   其中date=date(2018,6,1)   https://blog.csdn.net/alvin930403/article/details/54089087

join()    list = [1, 2, 3, 4, 5]    ','.join(list) ==1,2,3,4,5

math.factorial(num)  返回num的阶乘

reversed(seq) seq -- 要转换的序列,可以是 tuple, string, listrange。返回一个反转的迭代器

enumerate()   将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列,同时列出数据和数据下标---[(0, 'Spring'), (1, 'Summer'), (2, 'Fall'), (3, 'Winter')]

isupper() 方法检测字符串中所有的字母是否都为大写。

strip([chars])  移除字符串头尾指定的字符(默认为空格)

str.encode(encoding='UTF-8',errors='strict')    errors:设置不同错误的处理方案 默认为 'strict'

pickle.dumps()  把任意对象序列化成一个bytes  .load()反序列化

json.dumps(d) 返回一个str,内容是标准的JSON   .load()反序列化

time.strftime(format[, t])以时间元组,并返回以可读字符串表示的当地时间,格式由参数format决定。t是一个struct_time对象。

Tips:

#!/usr/bin/env python3        指定执行该脚本的解释器
# -*- coding: utf-8 -*-       按照UTF-8编码读取源代码

// 称为地板除,两个整数的除法仍然是整数

函数参数
  *args是可变参数,args接收的是一个tuple/list;
  **kw是关键字参数,kw接收的是一个dict。

 

functools.partial(int, base=2)  偏函数
  >>>int2 = functools.partial(int, base=2)
  >>>int2('10010')
   相当于
  >>>kw = { 'base': 2 }
  >>>int('10010', **kw)

iter

item = [1,2,3]
for i in itertools.permutations(item): #考虑顺序,输出组合
	print(i)
(1, 2, 3)
(1, 3, 2)
(2, 1, 3)
(2, 3, 1)
(3, 1, 2)
(3, 2, 1)

for i in itertools.combinations(item,2): #无序,不放回
    print(i)
(1, 2)
(1, 3)
(2, 3)

for i in itertools.combinations_with_replacement(item,2): #无序 放回
    print(i)
(1, 1)
(1, 2)
(1, 3)
(2, 2)
(2, 3)
(3, 3)

ab = [1,2]
cd = [3,4]
for i in itertools.product(ab, cd): #笛卡儿积
    print(i)
(1, 3)
(1, 4)
(2, 3)
(2, 4)
【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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