初识切片 | python从入门到精通:进阶篇之二

简介: 列表中切片的简单阐述,了解切片的使用方式以及步长的概念。

进阶篇第一课:列表的简介

初识切片

定义:切片指的是在现有的列表中获取一个子列表。
创建一个列表,一般创建列表时,变量的名字会使用复数。

stus=['孙悟空','八戒','沙和尚']
print(stus[0])

这里如果使用索引来获取元素的值,则将stus[]内的数值换一下即可。
小提示:索引的值可以是负数,如果是负数,则代表从后向前获取元素,比如:-1获取到的就是倒数第一个,-2就是倒数第二个。。。但是绝对值依然不可以超过元素的数量。
如果想要获取前两个,前三个,后两个的元素。。那该如何操作呢,此时切片就要派上用场了。

语法:列表[起始:结束]

stus=['孙悟空','八戒','沙和尚','唐僧','白龙马','蜘蛛精','白骨精']
print(stus[2:4])

执行结果为:
image.png
注意:

1、切片获取元素时,获取到的元素包括起始位置的元素,不包括结束位置的元素。

2、做切片操作时,总会返回一个新的列表,不会影响原来的列表
3、起始和结束位置的索引都可以省略不写,省略结束位置则一直截取到最后一个元素;省略开始位置,则会从第一个元素开始截取。
4、可以为负数,负数则从后向前截取
5、开始和结束位置都省略,则截取全部元素,相当于创建了一个列表的副本。

有的同学说了,不想挨个截取,想跳着截取怎么办呢?这就引入了步长的概念。步长表示每次获取元素的间隔,默认值是1;

stus=['孙悟空','八戒','沙和尚','唐僧','白龙马','蜘蛛精','白骨精']
print(stus[2:7:2])

执行结果为:
image.png
每隔两个元素截取一次返回到新列表中。
注意:

步长不可以是0,但是可以是负数,负数表示从后向前每隔n个数获取元素。

配套视频课程,点击查看

更多资源敬请订阅Python学习站查看

相关文章
|
29天前
|
Java Python 开发者
Python 学习之路 01基础入门---【Python安装,Python程序基本组成】
线程池详解与异步任务编排使用案例-xian-cheng-chi-xiang-jie-yu-yi-bu-ren-wu-bian-pai-shi-yong-an-li
77 2
Python 学习之路 01基础入门---【Python安装,Python程序基本组成】
|
1天前
|
Python
Python从入门到精通:深入学习面向对象编程——2.1.2继承、封装和多态的概念
Python从入门到精通:深入学习面向对象编程——2.1.2继承、封装和多态的概念
|
1天前
|
存储 索引 Python
Python从入门到精通——1.3.1练习编写简单程序
Python从入门到精通——1.3.1练习编写简单程序
|
1天前
|
开发框架 前端开发 数据库
Python从入门到精通:3.3.2 深入学习Python库和框架:Web开发框架的探索与实践
Python从入门到精通:3.3.2 深入学习Python库和框架:Web开发框架的探索与实践
|
1天前
|
数据采集 数据可视化 数据处理
Python从入门到精通的文章3.3.1 深入学习Python库和框架:数据处理与可视化的利器
Python从入门到精通的文章3.3.1 深入学习Python库和框架:数据处理与可视化的利器
|
1天前
|
Java 数据库连接 数据处理
Python从入门到精通:3.1.2多线程与多进程编程
Python从入门到精通:3.1.2多线程与多进程编程
|
1天前
|
存储 网络协议 关系型数据库
Python从入门到精通:2.3.2数据库操作与网络编程——学习socket编程,实现简单的TCP/UDP通信
Python从入门到精通:2.3.2数据库操作与网络编程——学习socket编程,实现简单的TCP/UDP通信
|
7天前
|
机器学习/深度学习 数据可视化 数据挖掘
《Python 简易速速上手小册》第9章:数据科学和机器学习入门(2024 最新版)
《Python 简易速速上手小册》第9章:数据科学和机器学习入门(2024 最新版)
19 1
|
7天前
|
人工智能 数据挖掘 程序员
《Python 简易速速上手小册》第1章:Python 编程入门(2024 最新版)
《Python 简易速速上手小册》第1章:Python 编程入门(2024 最新版)
35 0
|
8天前
|
机器学习/深度学习 数据采集 算法
scikit-learn入门指南:从基础到实践
【4月更文挑战第17天】这篇指南介绍了scikit-learn,一个Python数据分析和机器学习的重要库。内容涵盖安装、数据加载与预处理、模型训练(如KNN分类器)、评估、调参优化及高级应用,如降维和聚类。通过实例展示了scikit-learn在分类任务中的使用,强调其在数据科学中的重要性。要深入了解,可参考官方文档和实践案例。