高等函数,异常处理,文件操作,迭代器。生成器。。

本文深入讲解了Python中的高级函数map、reduce、filter和sorted的使用方法及应用场景,并介绍了迭代器和生成器的概念与优势。

高等函数

## map ##
将序列中的每个元素依次作用到函数上,并将函数的返回值添加到新的序列中
参数2个 第一个参数:函数(有一个参数) 第二个参数:序列(元组,列表)
list1=[1,2,3,4,5]#创建一个列表
def pow1(x):定义1个方法
return x*x
list2=list(map(pow1,list1)) #map函数返回的是地址需要list()

## reduce ## 需要载入 from functools import reduce
将序列中的元素依次作用到函数上,最终会返回这个序列中每个元素运算后的结果
参数 :2个 函数名 (函数有两个参数) 序列
一次取出2个元素作用在函数上
list1=[1,2,3,4,5] a = 0
def mySum(x,y): for i in list1:
return x/y a = mySum(a,i)
sum=reduce(mySum,list1) print(a)
## filter ##
过滤数据,将序列中每个元素依次取出作用到函数上,符合条件的加到新的序列上
参数:函数,序列
list1=[1,2,3,4,5]
def oushu(x):
if x%2==0:
return x
list2=list(filter(oushu,list1)) # 返回的是地址,可列表化
## sorted ##
排序。sort()也可排序,但会更改原列表
sorted()则会生成新列表 有默认参数
reverse 默认为false 默认为升序 调为true 是降序
key 可以调用函数名 例如 绝对值abs 长度len 都是排序
key和reverse 可以不写

异常处理

当代码报错的时候,依然会执行后面的程序
格式 两种 try ….except…..else…..(当程序没错误时执行else)
try ……except……finally….(不论程序有没有错,都执行finally)
else。。。。finally。。。。可写可不写
try :
可能会出错的语句
except 错误类型 as e :
自定义错误原因,。《《当报错时,会输出这条语句

文件操作

可以将代码的数据写道记事本中,将记事本的内容读取到代码中
1.打开文件 2.读取数据 3. 关闭文件
打开方式 读 写 追加 r w a
r rb r+ w wb w+ a a+ (试一试,标记!!!!!!!!!!!!!!!!!!!!!!!!)
path=”/Users/yang/Desktop/111.txt”
f = open(path,’r’) 此处r 可看需求改r/r+(可读可写)/rd(二进制) w+/w/wd a+/a
f.read()
f.seek(num) 移动光标
f.close()

迭代器和生成器

迭代器 iterator
可以一次取出一个值,可以记住当前取到哪。下一次取的时候会接上一次的位置
可迭代对象:iterable 能用在for循环上的都是可迭代对象
字符串 。列表,元组。字典,集合set range()
只有可迭代对象才能转化为迭代器
iter()可以将可迭代对象转为迭代器
next()只有是迭代器才可以使用next()
from collections import Iterable
from collections import Iterator
it1=iter([1,2,3,4,5])
while True:
try:
print(next(it1))
except Exception as e:
print(“完了”)
break

## 生成器 ## 也可看做是迭代器
函数中出席那yield语句 此函数就是生成器 next()
主要优点: 节省内存
def fun(x):
while True:
x+=1
yield x

a=fun(1)
print(next(a))
print(next(a))

需求响应动态冰蓄冷系统与需求响应策略的优化研究(Matlab代码实现)内容概要:本文围绕“需求响应动态冰蓄冷系统与需求响应策略的优化研究”展开,基于Matlab代码实现,重点探讨了冰蓄冷系统在电力需求响应背景下的动态建模与优化调度策略。研究结合实际电力负荷与电价信号,构建系统能耗模型,利用优化算法对冰蓄冷系统的运行策略进行求解,旨在降低用电成本、平衡电网负荷,并提升能源利用效率。文中还提及该研究为博士论文复现,涉及系统建模、优化算法应用与仿真验证等关键技术环节,配套提供了完整的Matlab代码资源。; 适合人群:具备一定电力系统、能源管理或优化算法基础,从事科研或工程应用的研究生、高校教师及企业研发人员,尤其适合开展需求响应、综合能源系统优化等相关课题研究的人员。; 使用场景及目标:①复现博士论文中的冰蓄冷系统需求响应优化模型;②学习Matlab在能源系统建模与优化中的具体实现方法;③掌握需求响应策略的设计思路与仿真验证流程,服务于科研项目、论文写作或实际工程方案设计。; 阅读建议:建议结合提供的Matlab代码逐模块分析,重点关注系统建模逻辑与优化算法的实现细节,按文档目录顺序系统学习,并尝试调整参数进行仿真对比,以深入理解不同需求响应策略的效果差异。
综合能源系统零碳优化调度研究(Matlab代码实现)内容概要:本文围绕“综合能源系统零碳优化调度研究”,提供了基于Matlab代码实现的完整解决方案,重点探讨了在高比例可再生能源接入背景下,如何通过优化调度实现零碳排放目标。文中涉及多种先进优化算法(如改进遗传算法、粒子群优化、ADMM等)在综合能源系统中的应用,涵盖风光场景生成、储能配置、需求响应、微电网协同调度等多个关键技术环节,并结合具体案例(如压缩空气储能、光热电站、P2G技术等)进行建模与仿真分析,展示了从问题建模、算法设计到结果验证的全流程实现过程。; 适合人群:具备一定电力系统、能源系统或优化理论基础,熟悉Matlab/Simulink编程,从事新能源、智能电网、综合能源系统等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①开展综合能源系统低碳/零碳调度的科研建模与算法开发;②复现高水平期刊(如SCI/EI)论文中的优化模型与仿真结果;③学习如何将智能优化算法(如遗传算法、灰狼优化、ADMM等)应用于实际能源系统调度问题;④掌握Matlab在能源系统仿真与优化中的典型应用方法。; 阅读建议:建议结合文中提供的Matlab代码与网盘资源,边学习理论模型边动手调试程序,重点关注不同优化算法在调度模型中的实现细节与参数设置,同时可扩展应用于自身研究课题中,提升科研效率与模型精度。
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