摘要：
# 指定要处理的文件名 input_filename = '中文目录.txt' output_filename = 'output_3.txt' # 定义要排除的字符列表 exclude_characters = ['参考文献', '习题', '进一步阅读'] # 打开原始文件和新文件 with o
阅读全文
posted @ 2024-11-17 20:57
redufa
阅读(88)
推荐(0)
摘要：
import fitz # PyMuPDF import pandas as pd import os # 获取当前文件夹中所有的PDF文件 pdf_files = [f for f in os.listdir('.') if f.endswith('.pdf')] # 提取目录信息的函数 def
阅读全文
posted @ 2024-11-17 14:34
redufa
阅读(118)
推荐(0)
摘要：
import os # 设置文件夹路径，假设所有m文件都在这个文件夹内 folder_path = os.getcwd() # 设置输出文件的名称 output_file = 'merged_files.txt' # 打开输出文件准备写入 with open(output_file, 'w') as
阅读全文
posted @ 2024-11-13 18:59
redufa
阅读(24)
推荐(0)
摘要：
1.2 稳定性的定义 从直观上解释了稳定性的含义，下面将介绍严谨的数学定义。在 1892 年，俄国数学家亚历山大·李雅普诺夫（Aleksandr Lyapunov）在其博士论文《运动稳定性的一般问题》中提出了稳定性的科学概念。本书将选用这个概念来定义系统的稳定性，它是一个通用的概念，既可以运用在线性
阅读全文
posted @ 2024-11-12 19:30
redufa
阅读(897)
推荐(0)
摘要：
使用Miniconda创建一个新的Python环境是一个简单的过程。以下是创建新环境的步骤： 打开命令行界面： 在Windows上，你可以使用cmd或者PowerShell。 在Mac或Linux上，你可以使用终端（Terminal）。 激活Miniconda： 在Windows上，你需要先激活Mi
阅读全文
posted @ 2024-11-11 15:54
redufa
阅读(965)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import Circle, FancyArrowPatch from matplotlib.animation import FuncAnimati
阅读全文
posted @ 2024-11-10 19:35
redufa
阅读(49)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import Circle, FancyArrowPatch from matplotlib.animation import FuncAnimati
阅读全文
posted @ 2024-11-10 19:20
redufa
阅读(231)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation # 设置参数 num_steps = 1000 # 时间步数 dt = 1.0 / num_steps
阅读全文
posted @ 2024-11-10 11:11
redufa
阅读(72)
推荐(0)
摘要：
目录一、文本编辑1. Office Viewer(Markdown Editor) 一、文本编辑 1. Office Viewer(Markdown Editor)
阅读全文
posted @ 2024-11-09 21:07
redufa
阅读(44)
推荐(0)
摘要：
和配置python等编程语言一样，同用户文件夹位置 { "enable_telemetry": false, "update_check": false, }
阅读全文
posted @ 2024-11-08 16:37
redufa
阅读(51)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt def second_order_system_response(omega_n, zeta, t): """ 计算二阶系统的响应。 """ if zeta == 1: return np.exp(
阅读全文
posted @ 2024-11-08 15:09
redufa
阅读(104)
推荐(0)
摘要：
正态分布 1 标准正态分布 1.1概率密度函数 \[f(x) = \frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}} \]1.2 累计分布函数 \[F(x) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^{x}e^{-\frac{t^2}{
阅读全文
posted @ 2024-11-06 18:57
redufa
阅读(173)
推荐(0)
摘要：
MATALAB VS PYTHON
阅读全文
posted @ 2024-11-04 21:03
redufa
阅读(26)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt # 定义二阶系统参数 omega_n = 1.0 # 无阻尼自然频率 t = np.linspace(0, 20, 1000) # 不同阻尼比 zeta_values = [0,1, 0.5, 1.
阅读全文
posted @ 2024-11-04 13:25
redufa
阅读(111)
推荐(0)
摘要：
目录提取目录删除目录制作目录效果图 目前有两个问题，一般的目录文本格式有问题，需要用正则化方式，生成比较好的目录文件，比如csv格式，txt格式 另外，生成的目录，层级只有一级 提取目录 import fitz # PyMuPDF import pandas as pd # 打开PDF文件 pdf_
阅读全文
posted @ 2024-11-03 17:00
redufa
阅读(107)
推荐(0)
摘要：
import pypdf # 输入和输出文件名 input_pdf_filename = 'file.pdf' output_pdf_filename = 'file_with_toc.pdf' csv_filename = 'output.csv' # 创建一个PdfWriter实例 writer
阅读全文
posted @ 2024-11-03 05:06
redufa
阅读(29)
推荐(0)
摘要：
import fitz # PyMuPDF import pandas as pd # 打开PDF文件 pdf_path = '控制之美.pdf' # 请确保替换为正确的文件路径 document = fitz.open(pdf_path) # 初始化一个列表来存储目录信息 toc_list = [
阅读全文
posted @ 2024-11-03 03:57
redufa
阅读(326)
推荐(0)
摘要：
import fitz # PyMuPDF import pandas as pd # 打开PDF文件 pdf_path = '控制之美.pdf' # 请确保替换为正确的文件路径 document = fitz.open(pdf_path) # 初始化一个列表来存储目录信息 toc_list = [
阅读全文
posted @ 2024-11-03 03:53
redufa
阅读(123)
推荐(0)
摘要：
% 定义参数 zeta = 0.1; % 阻尼比减小，以实现更慢的衰减 omega_n = 1; % 自然频率 omega_d = omega_n * sqrt(1 - zeta^2); % 阻尼频率 varphi = pi / 4; % 相位角 % 定义时间变量 t = linspace(0, 2
阅读全文
posted @ 2024-11-03 02:14
redufa
阅读(82)
推荐(0)
摘要：
import numpy as np import matplotlib.pyplot as plt # 定义参数 zeta = 0.1 # 阻尼比减小，以实现更慢的衰减 omega_n = 1.0 # 自然频率 omega_d = omega_n * np.sqrt(1 - zeta**2) #
阅读全文
posted @ 2024-11-03 01:43
redufa
阅读(62)
推荐(0)
摘要：
import os import hashlib import shutil def file_hash(filepath): """计算文件的MD5哈希值""" hash_md5 = hashlib.md5() with open(filepath, "rb") as f: for chunk i
阅读全文
posted @ 2024-11-01 22:55
redufa
阅读(61)
推荐(0)
摘要：
在Python中批量提取多个Excel文件的数据并将其写入同名的CSV文件，可以使用 pandas 库来实现。以下是一个简单的脚本示例，它将遍历指定文件夹中的所有Excel文件，读取数据，并将这些数据保存为同名的CSV文件。 首先，确保你已经安装了 pandas 和 openpyxl （用于读取Ex
阅读全文
posted @ 2024-10-30 20:57
redufa
阅读(48)
推荐(0)
摘要：
以下是一个Python脚本的示例，它将生成5个不同的Excel文件，每个文件包含不同的数据： import pandas as pd import numpy as np # 设置文件名前缀和数量 file_prefix = 'excel_file' number_of_files = 5 # 循环
阅读全文
posted @ 2024-10-29 22:21
redufa
阅读(62)
推荐(0)
摘要：
好的，下面我将提供一个完整的Python示例，包括手写FFT算法（快速傅里叶变换）和使用NumPy的内置FFT算法，然后对比两者的结果并绘制图形。 1. 手写FFT算法 我们将实现一个简单的FFT算法，即Cooley-Tukey算法，这是一种最常用的FFT算法。 2. NumPy内置FFT算法 Nu
阅读全文
posted @ 2024-10-29 21:47
redufa
阅读(208)
推荐(0)
摘要：
1. 一阶系统微分方程 典型一阶系统微分方程 \[\frac{dx(t)}{dt}+ax(t)=au(t) \]零初始条件 \(x(0)=u(0)=0\) ，对其进行拉普拉斯变换 \[sX(s)+aX(s)=aU(s) \]调整得到传递函数 \[G(s）=\frac{X(s)}{U(s)}=\fra
阅读全文
posted @ 2024-10-28 17:47
redufa
阅读(58)
推荐(0)
摘要：
阅读全文
posted @ 2024-10-25 09:57
redufa
阅读(36)
推荐(0)
摘要：
原始格式  目标格式 <img src="https://img2024.cnblogs.com/blo
阅读全文
posted @ 2024-10-24 23:34
redufa
阅读(41)
推荐(0)
摘要：
目录1.拉普拉斯变换2. 拉普拉斯收敛域3.导数的拉普拉斯变换推导过程5.传递函数6.电感电阻电路动态方程拉氏变换常数输入L逆变换7. 控制系统传递函数8.非零初始状态的传递函数 1.拉普拉斯变换 \[\mathscr{L} [f(t)]=F(s)= \int ^ \infty _0 f(t) e^
阅读全文
posted @ 2024-10-24 17:31
redufa
阅读(819)
推荐(0)
摘要：
目录模块简介1. datetime模块2. pandas库操作示例datetime 模块pandas 处理时间序列dateutil 解析时间 在Python中处理时间数据，你可以使用标准库中的datetime模块，或者使用第三方库如pandas和dateutil。 模块简介 在Python中处理时间
阅读全文
posted @ 2024-10-23 17:34
redufa
阅读(183)
推荐(0)
摘要：
在MATLAB中，求解冲击输入的拉普拉斯变换以及系统的冲击响应通常涉及以下几个步骤： 定义冲击输入：在MATLAB中，冲击输入通常用狄拉克δ函数（Dirac delta function）表示，可以使用dirac函数来创建。 计算拉普拉斯变换：使用laplace函数计算冲击输入的拉普拉斯变换。 计算
阅读全文
posted @ 2024-10-23 16:48
redufa
阅读(253)
推荐(0)
摘要：
以下是使用Python进行时间序列分析的十个示例代码，这些代码涵盖了不同的时间序列分析方法，包括ARIMA、季节性分解、指数平滑等。 1. 自回归（AR）模型 from statsmodels.tsa.ar_model import AutoReg import numpy as np # 生成示例
阅读全文
posted @ 2024-10-22 22:09
redufa
阅读(147)
推荐(0)
摘要：
Pandas库中的rolling方法是一种强大的数据处理工具，主要用于执行基于滑动窗口的计算，这在时间序列数据或数据框中非常常见。以下是对rolling方法及其支持的函数的综合概述： 1. rolling方法的基本概念和用法 rolling方法用于创建一个滚动窗口对象，该对象可以应用于数据框的列，以
阅读全文
posted @ 2024-10-21 16:07
redufa
阅读(290)
推荐(0)
摘要：
\(P_{[k]} \\ =E(e_{[k]}e_{[k]}^{\mathrm{T}})\) \(=E(((I-K_{[k]}H_{{m}})e_{[k]}^{-}-K_{[k]}v_{[k]}) ((I-K_{[k]}H_{\mathrm{m}})e_{[k]}^{-}-K_{[k]}v_{[k]
阅读全文
posted @ 2024-10-19 13:19
redufa
阅读(1511)
推荐(0)
摘要：
by AI classdef KalmanFilter < handle properties % 系统模型参数 A % 状态转移矩阵 B % 控制输入矩阵 H % 观测矩阵 Q % 过程噪声协方差 R % 测量噪声协方差 P % 状态估计协方差 x % 状态估计 end methods % 构造函
阅读全文
posted @ 2024-10-18 14:00
redufa
阅读(167)
推荐(0)
摘要：
by AI import numpy as np class KalmanFilter: def __init__(self, A, H, Q, R, x0, P0): """ 初始化卡尔曼滤波器 :param A: 状态转移矩阵 :param H: 观测矩阵 :param Q: 过程噪声协方差矩阵
阅读全文
posted @ 2024-10-18 13:55
redufa
阅读(121)
推荐(0)
摘要：
目录系统状态与测量观测1.系统方程2. 过程噪声3. 观测向量4. 测量噪声参考文献 系统状态与测量观测 1.系统方程 线性离散系统的状态方程（带噪声） \[x_{[k]}=Ax_{[k-1]}+Bu_{[k-1]}+w_{[k-1]} \\ \]\(x_{[k]}\)为为\(n\times1\)
阅读全文
posted @ 2024-10-17 18:15
redufa
阅读(141)
推荐(0)
摘要：
下面是一个简单的支持向量机（SVM）实现，用于解决线性可分问题。 这个实现不使用任何机器学习库，只使用NumPy进行矩阵运算。 请注意，这个实现主要用于教学目的，实际应用中推荐使用成熟的库，如scikit-learn。 import numpy as np class SVM: def __init
阅读全文
posted @ 2024-10-15 15:58
redufa
阅读(169)
推荐(0)
摘要：
使用Python中的scikit-learn库来实现SVM分类器。 支持向量机（SVM）基本概念 支持向量机是一种监督学习算法，用于分类和回归分析。SVM的核心思想是在特征空间中找到一个超平面，这个超平面能够最大化地分隔不同类别的数据点。 SVM的关键概念： 超平面（Hyperplane）：在n维空
阅读全文
posted @ 2024-10-15 15:32
redufa
阅读(352)
推荐(0)
摘要：
支持向量机 1. 支持向量 SVM 最优化问题 SVM 想要的就是找到各类样本点到超平面的距离最远，也就是找到最大间隔超平面。任意超平面可以用下面这个[线性方程]来描述： \[\omega ^ T x +b=0 \]二维空间点$ (x,y)$ 到直线$ Ax+By+C=0$ 的距离公式是： \[\
阅读全文
posted @ 2024-10-15 15:07
redufa
阅读(106)
推荐(0)
摘要：
{ "python.analysis.extraPaths": [ "c:\\Users\\41273\\.vscode\\extensions\\savvyanalyst.msc-adams-1.0.0\\resources\\adamspy" ], "python.autoComplete.ex
阅读全文
posted @ 2024-10-13 22:05
redufa
阅读(96)
推荐(0)
浙公网安备 33010602011771号