python 中有哪些实用的方法

简介: python 中有哪些实用的方法

列表

A=['cal','what',1,'2020-1-1','join']

**

增加元素

**

1.append

A.append("Hello")    #元素

2.extend

A.extend([4,'much',1])   #列表

3.insert

A.insert(3,"hello")   #元素,固定位置添加(通过索引)

**

删除元素

**

1.pop

B=A.pop()    #索引移除,默认最后一个

2.remove

A.remove("what")   #通过元素名称,移除


3.del

del A[2]   #索引移除

**

队列翻转

**

1、reverse
A.reverse()    #列表翻转   例如:   
                #  [3,1,'what']变为['what',1,3]

**

元素计数

**

1、count
C=['Hello','Google','Hello','baidu',
   'Hello','baidu','mofa','guiyi']
print(count('Hello'))
结果:  3

**

队列排序

**

1、sort
D=[2,8,44,5,12,1]
D.sort()
1
2
元组
定义元组
ll=(1,2,3)
print(ll)
print(ll.type())
结果  :  (1,2,3)
         <class 'tuple'>


注:如果元组中只有一个元素,则这个元组后面必须要有一个",",否则元素就还是原来的类型

例如 : A=(1,) 正确 是元组

A=(1)****错误 不是元组

**

删除元素

**

由于元组不能修改,所以元组也不能删除部分元素,要删除只能删除整个元组

元素计数

1、count
C=('Hello','Google','Hello','baidu',
   'Hello','baidu','mofa','guiyi')
print(count('Hello'))
结果:  3

**

查找元素索引

**

A=('cal','what',1,'2020-1-1','join')
print("what index is:",A.index("what"))
结果是  :  what index is:1

**

字典

**

字典定义:字典类型就和他的名字一样,可以向查字典一样去找,其他语言也有类似的类型。例如:Java中的HashMap , PHP中的Array等

chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
print(chinese)
print("China:",chinese["China"]) #键查找
结果: {'we': '我们', 'are from': '来自', 'China': '中国'}
    China:中国

注意:字典的键必须是唯一的,不重复的,如果是空字典,直接用{}表示

empty={}
print(type(empty))
结果  :   <class 'dict'>

**

修改键值

**

chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
print(chinese)
chinese["China"]="未来"
print(chinese)
结果:{'we': '我们', 'are from': '来自', 'China': '中国'}
{'we': '我们', 'are from': '来自', 'China': '未来'}

image.png**

删除字典元素

**

chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
print(chinese)
del chinese["China"]
print(chinese)

image.png**

清空元素

**

chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
print(chinese)
# chinese["China"]="未来"
# del chinese["China"]
chinese.clear()
print(chinese)

image.png**

复制字典

**

用于修改复制的字典,相当于复制一个新的字典作为修改,原有的字典不变


chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
Chi=chinese.copy()

**

创建新字典

**

SQ={"name","age","sex"}
student=dict.fromkeys(SQ)
print(student)
student1=dict.fromkeys(SQ,15)
print(student1)

image.png返回键对值

chinese={“we”:“我们”,
“are from”:“来自”,
“China”:“中国”
}
print(chinese.get(“we”))

image.png**

返回一个列表,包含字典所有键

**

chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
print(chinese.keys())

image.png**

返回一个列表,包含字典所有值

**

chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
print(chinese.values())

image.png**

返回一个列表,包含字典所有键和值

**

chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
print(chinese.items())

image.png**

遍历字典

**

注意:因为字典不能直接应用于for循环,我们可以使用items方法来遍历字典

chinese={"we":"我们",
                 "are from":"来自",
                 "China":"中国"
                 }
print(chinese.items())
for k,v in chinese.items():
    print(k,"=>",v)

image.png**

集合

**

注意:Python中有一种内置类型叫做集合,它是一种非常有用的数据结构。和列表行为相似,唯一区别在于集合不会包含重复的值


目录
相关文章
|
4月前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
397 1
|
5月前
|
机器学习/深度学习 数据采集 数据挖掘
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
182 2
|
5月前
|
调度 Python
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
155 0
|
5月前
|
传感器 大数据 API
Python数字限制在指定范围内:方法与实践
在Python编程中,限制数字范围是常见需求,如游戏属性控制、金融计算和数据过滤等场景。本文介绍了五种主流方法:基础条件判断、数学运算、装饰器模式、类封装及NumPy数组处理,分别适用于不同复杂度和性能要求的场景。每种方法均有示例代码和适用情况说明,帮助开发者根据实际需求选择最优方案。
243 0
|
5月前
|
Python
Python字符串center()方法详解 - 实现字符串居中对齐的完整指南
Python的`center()`方法用于将字符串居中,并通过指定宽度和填充字符美化输出格式,常用于文本对齐、标题及表格设计。
|
4月前
|
人工智能 数据安全/隐私保护 异构计算
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
499 8
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
|
6月前
|
安全 Python
Python语言中常用的文件操作方法探讨
通过上述方法的结合使用,我们可以构筑出强大并且可靠的文件操作逻辑,切实解决日常编程中遇到的文件处理问题。
264 72
|
5月前
|
机器学习/深度学习 数据采集 算法
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
305 4
|
4月前
|
算法 调度 决策智能
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
115 0
|
7月前
|
存储 机器学习/深度学习 人工智能
稀疏矩阵存储模型比较与在Python中的实现方法探讨
本文探讨了稀疏矩阵的压缩存储模型及其在Python中的实现方法,涵盖COO、CSR、CSC等常见格式。通过`scipy.sparse`等工具,分析了稀疏矩阵在高效运算中的应用,如矩阵乘法和图结构分析。文章还结合实际场景(推荐系统、自然语言处理等),提供了优化建议及性能评估,并展望了稀疏计算与AI硬件协同的未来趋势。掌握稀疏矩阵技术,可显著提升大规模数据处理效率,为工程实践带来重要价值。
321 58

推荐镜像

更多