Python中的字典(8)


字典无序
字典用{}定义
存放的是键值对(键:索引,值:数据)
多个键值对之间用“,”号分割
键值对内部,键和值之间用“:”号分割
键是唯一的

字典是一个无序的数据集合,使用print函数输出字典时,通常输出的顺序和定义的顺序是不一致的

#字典的key不能是可修改数据类型,
#例如列表就不能当字典的key
#value可以是任意的数据类型

#a={[1,]:"张三",'age':19}列表不可以

字典操作

增加操作

变量名[key]=value 格式
a={'name':"张三",'age':19}
#没有的添加
a["score"]=99
print(a)#{'name': '张三', 'age': 19, 'score': 99}
#有的修改
a["age"]=33
print(a)#{'name': '张三', 'age': 33, 'score': 99}
setDeafault()方法
#setDeafault()方法
a={'name':"张三",'age':19}
#其中存在的不覆盖
a.setdefault('age',20)
print(a)#{'name': '张三', 'age': 19}
#不存在的添加
a.setdefault("height",100)
print(a)#{'name': '张三', 'age': 19, 'height': 100}

删除操作

pop
#弹出,返回并删除指定键对应的值
b=a.pop("name")
print(b)# 张三  b是a对应的value
print(a)#{'age': 19, 'height': 100}
popitem
a={'name': '张三', 'age': 19, 'height': 100}
b=a.popitem()#b是a对应的value
print(b)# ('height', 100) 以元组形式弹出随机的一个
print(a)#{'name': '张三', 'age': 19}

clear
#清空字典,注意它和del的不同,del是整个全删了
a={'name': '张三', 'age': 19, 'height': 100}
a.clear()
print(a)# {} 空了
del
# del
a = {'name': '张三', 'age': 19, 'height': 100}
del a['age']
print(a)  # {'name': '张三', 'height': 100}

del a  # 这个删的彻底,整个都删了

修改操作

update()
# update()
a = {'name': "张三", 'age': 19}
b = {'name': "李四", "score": 89}
a.update(b)  # 没有的key添加,相同的覆盖
print(a)  # {'name': '李四', 'age': 19, 'score': 89}
变量名[key]=value 格式
a={'name':"张三",'age':19}
#没有的添加
a["score"]=99
print(a)#{'name': '张三', 'age': 19, 'score': 99}
#有的修改
a["age"]=33
print(a)#{'name': '张三', 'age': 33, 'score': 99}

查询操作

keys
# 获取键
a = {'name': '张三', 'age': 19, 'height': 100}
print(a.keys())#dict_keys(['name', 'age', 'height'])列表
for k in a.keys():
    print(k)

在这里插入图片描述

values
a = {'name': '张三', 'age': 19, 'height': 100}
print(a.values())#dict_values(['张三', 19, 100])
for k in a.values():
    print(k)

在这里插入图片描述

items
#items返回字典值呈元组形式的格式
a = {'name': "张三", 'age': 19}
print(a.items())  # 列表里面有元组
for kv in a.items():
    print(kv)
for k, v in a.items():
    print(k, v)

在这里插入图片描述

len()方法

统计键值对数量

a = {'name': '张三', 'age': 19, 'height': 100}
#1.统计键值对数量
print(len(a))

扩展

1.c字典和b相同

#1.c字典和b相同
#法一:
a={'name':"张三",'age':19}
b=[]
c={}
for k,v in a.items():
    b.append((k,v))
for x in b:
    c[x[0]]=x[1]
print(c)
#法二:
a={'name':"张三",'age':19}
b=[]
c={}
for k,v in a.items():
    b.append((k,v))
for x,y in b:
    c[x]=y
print(c)

2.把两层字典用下面形式输出
在这里插入图片描述

a = {
    '001': {'name': "张三", 'age': 19},
    '002': {'name': "lisi", 'age': 19},
    '003': {'name': "wangwu", 'age': 19},
}
# 法一:
for k, v in a.items():
    print("num:", k, end=",")
    for k1, v1 in v.items():
        print(k1, ":", v1, end=',')
    print()

# 法二:
for k in a.keys():
    print("num", k, end=",")
    for k1 in a[k].keys():
        print(k1, ":", a[k][k1], end=",")
    print()

3.增加张三工资为1000

a={
    '001':{'name':"张三",'age':19},
    '002':{'name':"lisi",'age':19},
    '003':{'name':"wangwu",'age':19},
}
for k in a.keys():
    if a[k]["name"]=="张三":
        a[k]["salary"]=1000
print(a)#{'001': {'name': '张三', 'age': 19, 'salary': 1000}, '002': {'name': 'lisi', 'age': 19}, '003': {'name': 'wangwu', 'age': 19}}
for k,v in a.items():
    print(k,v)

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计的实现,以及它们在MATLAB环境的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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