python 元组数据类型 200310

本文介绍了Python中的元组数据类型,强调其作为不可变数据结构的特性,确保数据稳定性和安全性。元组与列表相似,但不能修改其内容,拥有较少的操作。文中讲解了元组的创建、取值、拆包、方法以及与列表之间的转换,并通过操作演练进行深入探讨。

tuple 元组

  • 理解

元组也是一个数据的收纳

只不过,它是被锁定的数据收纳

  • 例如

班级学生名单的状态

在招生的时候
人数可以发生变化,可以增减
我们使用列表

在开班地时候
人数不能再发生变化
因此学生名单数据就不可变
我们使用元组

  • 所以

元组存在的意义是

确保数据的稳定性,确保数据的安全

元组的特点

  • 与列表的相同点
    • 有序容器
    • 可迭代遍历
  • 与列表的不同点
    • 不可修改容器内容
    • 操作少

元组的操作

在这里插入图片描述

  • 创建一个空元组
t = ()
  • 创建一个包含一个元素的元组,此处需注意

错误的做法, t=(1) 。结果 1 <class ‘int’>

正确的做法

tt = (1,)
  • 创建初始带有多个成员的员组
t = ("张三",18)
  • 元组的取值
内容 = 元组[索引]

在这里插入图片描述

  • 元组的拆包
变量1,变量n = (成员1,成员n)

在这里插入图片描述

  • 元组的方法
    统计 count

在这里插入图片描述

查询元素的索引值

索引值 = 元组.index(成员)

如果成员不存在,会报错 

在这里插入图片描述

  • 元组的遍历

格式同列表

在这里插入图片描述

  • 元组与列表之间的转换(明确为什么要转)

在这里插入图片描述

元组操作演练

  • 实现上面的操作
内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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