【Python操作基础】——序列

简介: 【Python操作基础】——序列

【Python操作基础】系列——序列操作,建议收藏!

该篇文章首先利用Python展示了使用序列类型数据的相关操作,包括索引、切片、迭代、拆包、*运算、通用函数操作实例演示等。

1 支持索引

 运行程序:

myString="123456789"
myString[1]
myList=[11,12,13,14,15,16,17,18,19]
myList[1]
myTuple=(21,22,23,24,25,26,27,28,29)
myTuple[1]

运行结果:

'2'
12
22

2 支持切片

  运行程序:

myString="123456789"
myString[1:9:2] #步长为2切片
myList=[11,12,13,14,15,16,17,18,19]
myList[1:9:2]
myTuple=(21,22,23,24,25,26,27,28,29)
myTuple[1:9:2]

运行结果:

'2468'
[12, 14, 16, 18]
(22, 24, 26, 28)

3 支持迭代

  运行程序:

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"       ##执行多输出
myString="123456789"
for i in myString:
    print(i,end=" ")
myList=[11,12,13,14,15,16,17,18,19]
for i in myList:
    print(i,end=" ")
myTuple=(21,22,23,24,25,26,27,28,29)
for i in myTuple:
    print(i,end=" ")

运行结果:

1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 17 18 19 21 22 23 24 25 26 27 28 29

4 支持拆包

  运行程序:

myString="123456789"
a1,a2,a3,a4,a5,a6,a7,a8,a9=myString
a1,a2,a3,a4,a5,a6,a7,a8,a9
myList=[11,12,13,14,15,16,17,18,19]
a1,a2,a3,a4,a5,a6,a7,a8,a9=myList
a1,a2,a3,a4,a5,a6,a7,a8,a9
myTuple=(21,22,23,24,25,26,27,28,29)
a1,a2,a3,a4,a5,a6,a7,a8,a9=myTuple
a1,a2,a3,a4,a5,a6,a7,a8,a9

运行结果:

('1', '2', '3', '4', '5', '6', '7', '8', '9')
(11, 12, 13, 14, 15, 16, 17, 18, 19)
(21, 22, 23, 24, 25, 26, 27, 28, 29)1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 17 18 19 21 22 23 24 25 26 27 28 29

5 支持*运算

  运行程序:

myString="123456789"
myString * 3 #重复运算符
myList=[11,12,13,14,15,16,17,18,19]
myList * 3
myTuple=(21,22,23,24,25,26,27,28,29)
myTuple * 3

运行结果:

'123456789123456789123456789'
[11,
 12,
 13,
 14,
 15,
 16,
 17,
 18,
 19,
 11,
 12,
 13,
 14,
 15,
 16,
 17,
 18,
 19,
 11,
 12,
 13,
 14,
 15,
 16,
 17,
 18,
 19]
(21,
 22,
 23,
 24,
 25,
 26,
 27,
 28,
 29,
 21,
 22,
 23,
 24,
 25,
 26,
 27,
 28,
 29,
 21,
 22,
 23,
 24,
 25,
 26,
 27,
 28,
 29)

6 通用函数

  运行程序:

myString="123456789"
myList=[11,12,13,14,15,16,17,18,19]
myTuple=(21,22,23,24,25,26,27,28,29)
len(myString),len(myList),len(myTuple)
sorted(myString),sorted(myList),sorted(myTuple)
(['1', '2', '3', '4', '5', '6', '7', '8', '9'],
 [11, 12, 13, 14, 15, 16, 17, 18, 19],
 [21, 22, 23, 24, 25, 26, 27, 28, 29])
reversed(myString),reversed(myList),reversed(myTuple)#生成迭代器
list(reversed(myString)) #强制转换值
enumerate(myString),enumerate(myList),enumerate(myTuple)
list(enumerate(myString))
[(0, '1'),
 (1, '2'),
 (2, '3'),
 (3, '4'),
 (4, '5'),
 (5, '6'),
 (6, '7'),
 (7, '8'),
 (8, '9')]
zip(myList,myTuple)
list(zip(myList,myTuple))

运行结果:

(9, 9, 9)
(['1', '2', '3', '4', '5', '6', '7', '8', '9'],
 [11, 12, 13, 14, 15, 16, 17, 18, 19],
 [21, 22, 23, 24, 25, 26, 27, 28, 29])
(['1', '2', '3', '4', '5', '6', '7', '8', '9'],
 [11, 12, 13, 14, 15, 16, 17, 18, 19],
 [21, 22, 23, 24, 25, 26, 27, 28, 29])
(<reversed at 0x2cd42810208>,
 <list_reverseiterator at 0x2cd428102b0>,
 <reversed at 0x2cd42810128>)
['9', '8', '7', '6', '5', '4', '3', '2', '1']
(<enumerate at 0x2cd449af048>,
 <enumerate at 0x2cd449af090>,
 <enumerate at 0x2cd449af288>)
[(0, '1'),
 (1, '2'),
 (2, '3'),
 (3, '4'),
 (4, '5'),
 (5, '6'),
 (6, '7'),
 (7, '8'),
 (8, '9')]
[(0, '1'),
 (1, '2'),
 (2, '3'),
 (3, '4'),
 (4, '5'),
 (5, '6'),
 (6, '7'),
 (7, '8'),
 (8, '9')]
<zip at 0x2cd44b38548>
[(11, 21),
 (12, 22),
 (13, 23),
 (14, 24),
 (15, 25),
 (16, 26),
 (17, 27),
 (18, 28),
 (19, 29)]


相关文章
|
2月前
|
Python
【Leetcode刷题Python】376. 摆动序列
文章提供了解决LeetCode "摆动序列" 问题的Python实现代码,通过遍历整数数组并使用两个变量 down 和 up 来记录正差和负差摆动序列的长度,最终返回最长摆动子序列的长度。
32 0
|
2月前
|
存储 算法 数据挖掘
【2023年中国高校大数据挑战赛 】赛题 B DNA 存储中的序列聚类与比对 Python实现
本文介绍了2023年中国高校大数据挑战赛赛题B的Python实现方法,该赛题涉及DNA存储技术中的序列聚类与比对问题,包括错误率分析、序列聚类、拷贝数分布图的绘制以及比对模型的开发。
50 1
【2023年中国高校大数据挑战赛 】赛题 B DNA 存储中的序列聚类与比对 Python实现
|
27天前
|
机器学习/深度学习 数据采集 算法
时间序列结构变化分析:Python实现时间序列变化点检测
在时间序列分析和预测中,准确检测结构变化至关重要。新出现的分布模式往往会导致历史数据失去代表性,进而影响基于这些数据训练的模型的有效性。
43 1
|
2月前
|
机器学习/深度学习 算法 数据挖掘
6种有效的时间序列数据特征工程技术(使用Python)
在本文中,我们将探讨使用日期时间列提取有用信息的各种特征工程技术。
106 0
|
28天前
|
机器学习/深度学习 索引 Python
python之序列
python之序列
139 59
|
2月前
|
机器学习/深度学习 Python
时间序列特征提取:从理论到Python代码实践
时间序列是一种特殊的存在。这意味着你对表格数据或图像进行的许多转换/操作/处理技术对于时间序列来说可能根本不起作用。
48 1
时间序列特征提取:从理论到Python代码实践
|
2月前
|
机器学习/深度学习 分布式计算 大数据
几行 Python 代码就可以提取数百个时间序列特征
几行 Python 代码就可以提取数百个时间序列特征
|
2月前
|
机器学习/深度学习 数据采集 算法
【优秀python算法毕设】基于python时间序列模型分析气温变化趋势的设计与实现
本文介绍了一个基于Python的时间序列模型,用于分析和预测2021-2022年重庆地区的气温变化趋势,通过ARIMA和LSTM模型的应用,揭示了气温的季节性和趋势性变化,并提供了对未来气温变化的预测,有助于气象预报和相关决策制定。
【优秀python算法毕设】基于python时间序列模型分析气温变化趋势的设计与实现
|
2月前
|
存储 缓存 安全
Python元组之不可变序列的奥秘与应用方式
Python 中的元组(Tuple)是一种有序的、不可变的数据结构,它是序列的一种特殊形式,就像一个固定大小的盒子,一旦放入物品就无法更换或移除。 元组可以包含任何类型的数据,如数字、字符串甚至是其他元组。 相比列表,元组在很多场景下提供了更高效、安全的选择。
|
2月前
|
存储 索引 Python
六:《Python基础语法汇总》— 字典和序列操作
本篇文章讲解了对字典元素的索引,以及字典常用的方法和函数;对字典的遍历;字典推导式和关于序列的运算符及方法
19 2
下一篇
无影云桌面