Python-序列基本概念

简介: Python-序列基本概念

序列

序列的概念

包含若干个元素, 元素有序排列, 可以通过下标访问到一个或者多个元素. 这样的对象, Python中统一称为序列(Sequence).

Python中的以下对象都属于序列

  • 字符串
  • 列表
  • 元组

同是序列, 他们的使用方式有很多相通之处


注意:序列里面的元素的顺序很重要,因为比较是按顺序比

a = [1,2,3]
b = [3,2,1]
print(a ==b)    #False

标准类型操作符

下列标准类型操作符, 大多数情况下都是适用于序列对象的(少部分特例是, 序列中保存的元素不支持标准类型操作符).

image-20220318083954829


序列类型操作符

  • in/not in: 判定一个元素是否存在于序列中, 返回布尔值.
a = [1,2,3,4]
print(3 in a)    #True
print(3 not in a)    #False
  • 连接操作符(+): 把两个相同类型的序列进行连接.
a = [1,2,3,4]
b = [5,6]
print(a+b)    #返回一个新列表,包含了a和b的所有元素[1, 2, 3, 4, 5, 6]
  • 连接操作符往往并不高效(新创建对象, 把原有对象拷贝进去). 对于列表, 推荐使用extend来完成这样的操作; 对于字符串, 推荐使用join这样的方法.
a = [1,2,3,4]
b = [5,6]
a.extend(b)        #相当于把b的元素都插入到a的后面
print(a)    #[1, 2, 3, 4, 5, 6]
  • 重复操作符(*): 让一个序列重复N次.
a  =[1,2,3]
print(a*3)    #[1, 2, 3, 1, 2, 3, 1, 2, 3]

序列的切片操作

  • 切片操作符([ ], [A:B], [A:B:C]): 通过下标访问其中的某一个元素, 或者某个子序列

image-20220318084117964

  • 正数的索引以序列的起始位置作为起点, 负数的索引以序列的结束位置做为起点.
  • 试图访问一个越界的索引, 会引发异常(可以简单理解成程序执行出错)
a  =[1,2,3]
print(a[100])
#执行结果:
IndexError: list index out of range

关于切片:左闭右开区间

方式1:[:] 左右两个端点都不写值,截取的是整个序列的元素,从头到尾

a  =[1,2,3,4,5]
print(a[:])#[1, 2, 3, 4, 5]

方式2:[A:B]

元素下标取值范围: [A,B)

a  =[1,2,3,4,5]
print(a[1:3])        #[2,3]         截取下标[1,3)的元素        
print(a[1:-1])        #[2,3,4]     截取下标[1,-1)的元素
print(a[:3])        #[1,2,3]     截取下标[0,3)的元素    
print(a[1:])        #[2,3,4,5]     截取下标[1,-1)的元素

如果左边端点不写,默认从0开始, 右边端点不写,默认截取到最后一个位置(即:-1位置)


方式3:[A:B:C] 第三个参数表示步长,即每隔多少个元素截取一个

  • 扩展切片操作[::] 除了可以表示子序列的起始和结束位置, 还可以表示 "步长"
例子:
a = [1,2,3,4,5]
print(a[::2])   #每两个元素截取一个
#执行结果:
[1,3,5]

翻转字符串

字符串翻转, 这是一个非常基础, 也是笔试面试中会经常出现的一个题目. 我们学过C/C++, 有三种方法来解决这个问题.

方法1:首尾指针
char str[] = "abcdefg";
char* beg = str;
char* end = str + strlen(str);
while (beg < end) {
    swap(*beg++, *--end);
}

方法2:栈
char str[] = "abcdefg";
Stack stack;
char* p = str;
while(p) {
    stack.push(*p++);
}
int index = 0;
while(!stack.empty()){
    str[index++] = stack.top();
    stack.pop();
}

方法3:使用reverse + 迭代器翻转
#include <algorithm>
char str[] = "abcdefg";
std::reverse(str, str + strlen(str));    //指针就是天然的迭代器

python的做法:

a = "abcdefg"
print(a[::-1])

这个代码的含义:

a[::-1] -1表示往前走,从后往前拿元素

a = [1,2,3,4,5,6]
print(a[::-1])       #[6,5,4,3,2,1]
#含义
从-1位置往前走,先走到下标为-1位置,然后从6开始往前走

对于切片语法来说, 下标越界也没关系. 因为取的是前闭后开区间,区间里的元素, 能取到多少就取到
多少.


序列内建函数

len函数
len: 返回序列的长度.
a = [2,3,4,5]
print(len(a))    #4
b = "hello"
print(len(b))    #5

max函数 -O(N)
max: 返回序列中的最大值
a = [2,3,4,5]
print(max(a))    #5
b = "helloz"
print(max(b))    #z

min函数 -O(N)
min: 返回序列中的最小值
a = [2,3,4,5]
print(min(a))    #2
b = "helloz"
print(min(b))    #e

sorted函数
sorted: 排序. 这是一个非常有用的函数. 返回一个有序的序列(输入参数的副本).
a = ['abc','acb','a','b']    
print(sorted(a))    #['a', 'abc', 'acb', 'b']
a = [5,3,3,1,5]
print(sorted(a))    #[1, 3, 3, 5, 5]

sorted可以支持自定制排序规则


sum函数
sum: 序列中的元素求和( 要求序列中的元素都是数字)
a = [1,2,3,4,5]
print(sum(a))    #15
a= [1,'a']
print(sum(a))    #报错  unsupported operand type(s) for +: 'int' and 'str'

enumerate函数
enumerate: 同时枚举出序列的下标和值 可以避免很多丑陋的代码.

例如:找出元素在列表中的下标

a = [1,2,3,4,5]
def Find(input_list,x):
    for i in range(0,len(input_list)):
        if input_list[i] == x:
            return  i
    else:   #此处的else和for搭配
        return None

print(Find(a,2))    #1  下标为1

这里用for循环写的就不够优雅,使用enumerate函数就可以写的很优雅

a = [1,2,3,4,5]
def Find(input_list,x):
    for i ,item in enumerate(input_list):
        if item == x:
            return  i
    else:   #此处的else和for搭配
        return None

print(Find(a,2))    #1 下标为1

zip函数
zip: 这个函数的本意是 "拉链",
x = [1,2,3]
y = [4,5,6]
z = [7,8,9,10]    #多余的10不要,3行3列

print(zip(x,y,z))   #直接打印是对象的id    <zip object at 0x000001581CFE7748>
#把执行结果强转为list,列表
print(list(zip(x,y,z)))    #[(1, 4, 7), (2, 5, 8), (3, 6, 9)]

#直观打印
for i in zip(x,y,z):
    print(i)
#执行结果:
(1, 4, 7)
(2, 5, 8)
(3, 6, 9)

zip可以理解为行列互换


zip的一个比较常见的用法, 就是构造字典

key = ('name','id','score')
value =('Mango','2022','99')
d = dict(zip(key,value))    #执行结果转为一个字典
print(d)    #  {'name': 'Mango', 'id': '2022', 'score': '99'}

相关文章
|
3月前
|
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。
255 1
|
4月前
|
存储 数据挖掘 数据库
探索Python编程:从基础到高级探索移动应用开发之旅:从概念到实现
【8月更文挑战第29天】本文将带你进入Python的世界,无论你是初学者还是有一定经验的开发者。我们将从Python的基础知识开始,然后逐步深入到更复杂的主题。你将学习到如何编写清晰、高效的代码,以及如何使用Python进行数据分析和网络编程。最后,我们将介绍一些高级主题,如装饰器和生成器。让我们一起开始这段旅程吧!
|
4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。
167 0
|
24天前
|
机器学习/深度学习 自然语言处理 语音技术
Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧
本文介绍了Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧,并通过TensorFlow和PyTorch等库展示了实现神经网络的具体示例,涵盖图像识别、语音识别等多个应用场景。
48 8
|
3月前
|
机器学习/深度学习 索引 Python
python之序列
python之序列
149 59
|
2月前
|
存储 编译器 索引
Python 序列类型(2)
【10月更文挑战第8天】
Python 序列类型(2)
|
2月前
|
存储 C++ 索引
Python 序列类型(1)
【10月更文挑战第8天】
|
3月前
|
测试技术 Python
探索Python中的装饰器:从基础概念到高级应用
本文深入探讨了Python中一个强大而灵活的特性——装饰器。从其基本定义出发,逐步解析装饰器的本质、运作机制以及如何高效利用这一工具来优化代码结构、增加功能和提升代码的可读性与可维护性。通过具体示例,包括自定义简单装饰器、带参数装饰器、多重装饰等高级话题,本文展示了装饰器在软件开发中的广泛应用,旨在为读者提供一个全面而实用的装饰器使用指南。
|
4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
|
4月前
|
缓存 Python
探索Python中的装饰器:从概念到实战
【8月更文挑战第31天】装饰器,在Python中是一种强大的工具,能够让我们轻松地修改函数或类的行为。本文将带你从零开始理解装饰器的概念,并通过实际代码示例展示如何创建和使用它们。我们将一步步构建一个日志记录装饰器,并探讨其对提升代码可读性和重用性的影响。通过本文的学习,你将能够自信地在你的Python项目中应用装饰器技术。
下一篇
DataWorks