初学python数据结构-切片

简介:

线性结构,也被称为顺序机构,有序的序列,可通过for in 迭代,len()取长度,长度是放在外面的,每次迭代的时候对其增减

通过下标访问

 

切片

通过索引区域访问线性结构的一段数据

 

切片的操作

通过索引区域访问线性结构的一段数据

切片支持负索引,start为0可以省略;stop为末尾则省略,start一定在stop左边

 

比如从-1 到 -10 需要更换方向,[:] 从头取到尾,全部元素取出,等效于浅拷贝

 

从第4个开始到9个之前的字符

 

In [5]: a ='www.baidu.com'[4:9]

 

In [6]: a

Out[6]:'baidu'

 

从第0个开始到第9个字符之前

 

In [10]: a

Out[10]:'www.baidu.com'

 

In [11]:a[:9]

Out[11]:'www.baidu'

 

从尾部开始

In [12]:a[:-1]

Out[12]:'www.baidu.co'

 

In [13]:a[3:-1]

Out[13]:'.baidu.co'

默认的终点方向是朝右开始,从第4个

 

In [19]:a[4:-4]

Out[19]:'baidu'

 

从第四个开始取

In [19]:a[4:-4]

Out[19]:'baidu'

 

从第0个到倒数第4个

 

In [22]:a[:-4]

Out[22]:'www.baidu'

 

In [30]:a[-9:-4]

Out[30]:'baidu'

 

切片是可以超界的

 

In [24]:a[-4:1000]

Out[24]:'.com'

 

切片中使用步长

 

步长可以是正、负整数,默认是1

坐标原则都是从左向右去取

 

例:

In [35]:a[-9:-4]

Out[35]:'baidu'

 

在-9和-4之间使用2个步长

 

In [37]:a[-9:-4:2]

Out[37]:'biu'

 

 

使用切片做反排序

 

In [71]:a[9::-1]

Out[71]:'.udiab.www'

 

In [72]:a[::-1]

Out[72]:'moc.udiab.www'

 

In [73]:a[4::]

Out[73]:'baidu.com'

 

In [74]:a[4::-1]

Out[74]:'b.www'

 

In [75]:a[-9::-1]

Out[75]:'b.www'

 

去过坐标相反,可以直接取负步长

 

Out[78]:'www.baidu.com'

 

In [79]:a[5:3:-1]

Out[79]: 'ab'

 

 

 

 

 本文转自zuzhou 51CTO博客,原文链接:http://blog.51cto.com/yijiu/1968171

 

 

 

 

 

 

 

 

 

 

 

相关文章
|
2月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
使用Python实现深度学习模型:智能数据隐私保护
使用Python实现深度学习模型:智能数据隐私保护 【10月更文挑战第3天】
109 0
|
2月前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
20天前
|
图形学 Python
SciPy 空间数据2
凸包(Convex Hull)是计算几何中的概念,指包含给定点集的所有凸集的交集。可以通过 `ConvexHull()` 方法创建凸包。示例代码展示了如何使用 `scipy` 库和 `matplotlib` 绘制给定点集的凸包。
25 1
|
21天前
|
JSON 数据格式 索引
Python中序列化/反序列化JSON格式的数据
【11月更文挑战第4天】本文介绍了 Python 中使用 `json` 模块进行序列化和反序列化的操作。序列化是指将 Python 对象(如字典、列表)转换为 JSON 字符串,主要使用 `json.dumps` 方法。示例包括基本的字典和列表序列化,以及自定义类的序列化。反序列化则是将 JSON 字符串转换回 Python 对象,使用 `json.loads` 方法。文中还提供了具体的代码示例,展示了如何处理不同类型的 Python 对象。
|
21天前
|
数据采集 Web App开发 iOS开发
如何使用 Python 语言的正则表达式进行网页数据的爬取?
使用 Python 进行网页数据爬取的步骤包括:1. 安装必要库(requests、re、bs4);2. 发送 HTTP 请求获取网页内容;3. 使用正则表达式提取数据;4. 数据清洗和处理;5. 循环遍历多个页面。通过这些步骤,可以高效地从网页中提取所需信息。
|
2月前
|
数据处理 Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。
52 3
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
|
2月前
|
计算机视觉 Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示,以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
44 3
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
|
2月前
|
数据可视化 算法 Python
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
本文介绍了如何利用Python脚本结合动态模态分解(DMD)技术,分析从OpenFOAM模拟中提取的二维切片数据,以深入理解流体动力学现象。通过PyVista库处理VTK格式的模拟数据,进行POD和DMD分析,揭示流场中的主要能量结构及动态特征。此方法为研究复杂流动系统提供了有力工具。
79 2
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
|
2月前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
60 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
2月前
|
自然语言处理 算法 数据挖掘
探讨如何利用Python中的NLP工具,从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理(NLP)在文本分析中的应用,从被动收集到主动分析的过程。通过Python代码示例,详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术,帮助读者理解如何有效利用NLP工具进行文本数据分析。
51 2