学习记录---Python内置类型
文章目录
- 字符串
- split()
- 列表
- 常见操作
- 列表相减
- 字典
- 创建
- 普通创建
- eval(s)
- 添加或更新元素
- d['t'] = 1
- d.update({'c': 3})
- {**d1, **d2} **字典解包装运算符
- 删除元素 d.pop('c')
- 属性
- d.items()
- d.keys()
- d.values()
- 访问元素
- d['Name']
- d.get('score')
- 遍历字典
- for key in dict
- for key, values in dict.items()
- 查询
- 判断是否为空
- 排序
- 按key排序
- 按value排序
- 类似switch的用法
个人学习总结,持续更新中……
字符串
split()
split()方法
str.split(str="", num=string.count(str))
str – 分隔符,默认为所有的空字符,包括空格、换行(\n)、制表符(\t)等。
num – 分割次数。默认为 -1, 即分隔所有。
注意:a.split()和a.split(’ ')是不一样的
a = '122 345'
b = a.split()
print(b)
# ['122', '345']a = '122 345'
b = a.split(' ')
print(b)
# ['122', '', '', '', '', '', '', '345']
列表
常见操作
列表相减
list_1 = [1, 2, 3, 4, 5]
list_2 = [1, 2, 3]print(list(set(list_1) ^ set(list_2)))
'''
[4, 5]
'''
字典
字典键的特性:
1)不允许同一个键出现两次。创建时如果同一个键被赋值两次,后一个键值对会覆盖前一个键值对;
2)键必须不可变,所以可以用数字,字符串或元组充当,而用列表就不行。
创建
普通创建
d1 = dict(a=1, b=2, c=3) # 创建
print('d1: ', d1)
'''
d1: {'a': 1, 'b': 2, 'c': 3}
'''
d2 = dict([('a', 1), ('b', 2), ('c', 3)]) # 创建
print('d2: ', d2)
'''
d2: {'a': 1, 'b': 2, 'c': 3}
'''
d3 = {'a': 1, 'b': 2, 'c': 3} # 创建
print('d3: ', d3)
'''
d4: {'a': 1, 'b': 2, 'c': 3}
'''
d4 = dict(zip(['a', 'b', 'c'], [1, 2, 3]))
print('d4: ', d4)
'''
d4: {'a': 1, 'b': 2, 'c': 3}
'''
eval(s)
# python中有一个内置函数eval
# 字符串为"{'A':123,'B':456,'C':789}"
s = "{'A':123,'B':456,'C':789}"
s_dic = eval(s)
print(s_dic)
# {'A': 123, 'B': 456, 'C': 789}
print(type(s_dic))
# <class 'dict'>
添加或更新元素
d[‘t’] = 1
d = {} # 创建空字典
d['t'] = 1 # 添加元素
d['p'] = 2
d['z'] = 3
print('d: ', d)
# d: {'t': 1, 'p': 2, 'z': 3}
d.update({‘c’: 3})
Python 字典 update() 函数把字典参数 dict的 key/value(键/值) 对更新到字典 dict 里。
如果键相同,则更新值,如果键不同,则添加。
d = dict([('a', 1), ('b', 2)])
d.update({'c': 3})
print(f'd:\n{d}')
# {'a': 1, 'b': 2, 'c': 3}
{**d1, **d2} **字典解包装运算符
如果键相同,则更新值,如果键不同,则添加。
d1 = dict([('a', 1), ('b', 2)])
d2 = {'c': 3}
d3 = {**d1, **d2}
print(d3)
# {'a': 1, 'b': 2, 'c': 3}
删除元素 d.pop(‘c’)
d = dict([('a', 1), ('b', 2), ('c', 3)])
d.pop('c') # 删除元素
print(d)
# {'a': 1, 'b': 2}
属性
d.items()
返回可遍历的(键, 值) 元组数组。
可以list转换为列表
d = dict([('a', 1), ('b', 2)])
print(f'd.items():\n{d.items()}')
'''
d.items():
dict_items([('a', 1), ('b', 2)])
'''
print(f'list(d.items()):\n{list(d.items())}')
'''
list(d.items()):
[('a', 1), ('b', 2)]
'''
a = dict(d.items())
print(f'a:\n{a}')
'''
a:
{'a': 1, 'b': 2}
'''
d.keys()
返回可遍历的键元组数组。
可以list转换为列表
d = dict([('a', 1), ('b', 2)])
print(f'd.keys():\n{d.keys()}')
'''
d.keys():
dict_keys(['a', 'b'])
'''
print(f'list(d.keys()):\n{list(d.keys())}')
'''
list(d.keys()):
['a', 'b']
'''
d.values()
返回可遍历的值元组数组。
可以list转换为列表
d = dict([('a', 1), ('b', 2)])
print(f'd.values():\n{d.values()}')
'''
d.values():
dict_values([1, 2])
'''
print(f'list(d.values()):\n{list(d.values())}')
'''
list(d.values()):
[1, 2]
'''
访问元素
d[‘Name’]
d = {'Name': 'Runoob', 'Age': 7, 'score': 'First'}
print(d['Name'])
# Runoob
d.get(‘score’)
d = {'Name': 'Runoob', 'Age': 7, 'score': 'First'}
print(d.get('score'))
# First
遍历字典
for key in dict
d = {'a': 1, 'b': 2, 'c': 3} # 创建for k in d:print(k, d[k])
'''
a 1
b 2
c 3
'''
for key, values in dict.items()
dict = {'a': 1, 'b': 2, 'c': 3} # 创建for k, v in dict.items():print(k, v)
'''
a 1
b 2
c 3
'''
查询
d = {'a': 1, 'b': 2, 'c': 3} # 创建if 'a' in d:print(d['a'])
# 1
判断是否为空
在python 中 None,空列表[],空元组(),空字典{},0都是被程序判断为False ,所以我们判断对象是否为空可以直接使用if x 或者if not x 的方法来判断对象是否为空。
# 方法一:len()
list1 = {}
if len(list1) == 0:print("dict is empty")
# dict is empty# 方法二:直接使用if判断
list2 = {}
if not list2:print("dict is empty")
# dict is empty# 方法三:使用 空列表进行判断
list3 = {}
emptylist = {}
if list3 == emptylist:print("dict is empty")
# dict is empty
排序
Python教程按照字典的键或值进行排序方法解析
按key排序
dir_info = {'a': 1, 'd': 8, 'c': 3, 'b': 5}
print(dir_info)
# {'a': 1, 'd': 8, 'c': 3, 'b': 5}# 按key排序
dir_sort = sorted(dir_info.items(), key=lambda x: x[0], reverse=False)
print(dir_sort)
# [('a', 1), ('b', 5), ('c', 3), ('d', 8)]
按value排序
dir_info = {'a': 1, 'd': 8, 'c': 3, 'b': 5}
print(dir_info)
# {'a': 1, 'd': 8, 'c': 3, 'b': 5}# 按value排序
dir_sort = sorted(dir_info.items(), key=lambda x: x[1], reverse=True)
print(dir_sort)
# [('d', 8), ('b', 5), ('c', 3), ('a', 1)]
类似switch的用法
def sum1(a):return a + 1def sum2(a):return a + 2def sum3(a):return a + 3sum_kinds = {'sum1': sum1,'sum2': sum2,'sum3': sum3}def sum_cal(sum_k, a):b = sum_kinds[sum_k](a)return bc = sum_cal('sum1', 100)
print(c)
# 101相关文章:
学习记录---Python内置类型
文章目录字符串split()列表常见操作列表相减字典创建普通创建eval(s)添加或更新元素d[t] 1d.update({c: 3}){**d1, **d2} **字典解包装运算符删除元素 d.pop(c)属性d.items()d.keys()d.values()访问元素d[Name]d.get(score)遍历字典for key in dictfor key, values in dict.it…...
Python笔记 -- 列表
文章目录1、列表简介2、修改、添加、删除元素2.1、添加2.2、删除3、排序、倒序4、遍历列表5、创建数值列表6、列表切片7、列表复制8、元组1、列表简介 在Python中用方括号[]表示列表,用逗号隔开表示其元素 通过索引访问列表 names [aa,bb,cc,dd]print(names[0]) …...
谈谈UVM中的uvm_info打印
uvm_info宏的定义如下: define uvm_info(ID,MSG,VERBOSITY) \begin \if (uvm_report_enabled(VERBOSITY,UVM_INFO,ID)) \uvm_report_info (ID, MSG, VERBOSITY, uvm_file, uvm_line); \end 从这里可以看出uvm_info由两部分组成:uvm_report_enabled(VER…...
矩阵理论1 集合上的等价关系(equivalence relations on a set S)
定义 对于一个集合S, 如果集合E⊂SS\mathcal{E} \subset S\times SE⊂SS满足以下条件 自反性: 对于∀s∈S,都有(s,s)∈E\forall s\in S, 都有 (s, s) \in \mathcal{E}∀s∈S,都有(s,s)∈E对称性: (s,t)∈E⇔(t,s)∈E(s,t) \in \mathcal{E} \Leftrightarrow (t,s)\in \mathcal…...
【网络监控】Zabbix详细安装部署(最全)
文章目录Zabbix详细安装部署环境准备安装依赖组件访问初始化配置Zabbix详细安装部署 Zabbix 是一个高度集成的网络监控解决方案,可以提供企业级的开源分布式监控解决方案,由一个国外的团队持续维护更新,软件可以自由下载使用,运作…...
阿里云轻量服务器--Docker--Nacos安装(使用外部Mysql数据存储)
前言:docker 安装nacos 如果不设置外部的mysql 默认使用内嵌的内嵌derby为数据源,这个时候如果,重新部署nacos 则会造成原有数据丢失情况; 1 默认安装的nacos 启动后使用的是内嵌的存储: 2 使用外部mysql 作为存储&a…...
unity开发知识点小结01
unity对象生命周期函数 Awake():最早调用,所以可以实现单例模式 OnEnable():组件激活后调用,在Awake后调用一次 Stat():在Update()之前,OnEnable…...
软件系统[软件工程]
What’s the link? They all involve outdated (legacy) software technology. All have had huge socio-economical impact. Prompting national lockdowns. Spreadsheet workflow error led to thousands of preventable infections and deaths. Huge losses of citizen dat…...
电力系统稳定性的定义与分类
1电力系统稳定性的定义与分类 IEEE给出电力系统稳定性定义:电力系统稳定性是指电力系统这样的一种能力—对于给定的初始运行状态,经历物理扰动后,系统能够重新获得运行平衡点的状态,同时绝大多数系统变量有界,因此整个…...
基于java的俱乐部会员管理系统
技术:Java、JSP等摘要:随着科学技术的飞速发展,科学技术在人们日常生活中的应用日益广泛,也给各行业带来发展的机遇,促使各个行业给人们提供更加优质的服务,有效提升各行业的管理水平。俱乐部通过使用一定的…...
线程池执行父子任务,导致线程死锁
前言, 一次线程池的不当使用,导致了现场出现了线程死锁,接口一直不返回。而且由于这是一个公共的线程池,其他使用了次线程池的业务也一直阻塞,系统出现了OOM,不过是幸好是线程同事测试出来的,没…...
Ubuntu系统新硬盘挂载
Ubuntu系统新硬盘挂载 服务器通常会面临存储不足的问题,大部分服务器都是ubuntu系统,该篇博客浅浅记载一下在ubuntu系统上挂载新硬盘的步骤。本篇博文仅仅记载简单挂载一块新的硬盘,而没有对硬盘进行分区啥的。如果需要更加完善的教程&#…...
【亲测】Centos7系统非管理(root)权限编译NCNN
前言 由于使用的是集群,自己不具有管理员权限,所以以下所有的情况均在非管理员权限下进行安装,即该安装策略仅适用于普通用户构建自己的环境。 什么是NCNN ncnn是一款非常高效易用的深度学习推理框架,支持各种神经网络模型&#x…...
四种常见的异步请求方式
四种常见的异步请求方式 一、xhr异步老祖 XMLHttpRequest(简称XHR)是一种在JavaScript中创建异步请求的技术。XHR对象可以向服务器发送请求,并获取服务器返回的数据,而不会使页面刷新。 XHR对象的创建方式通常是通过构造…...
Linux操作系统学习(进程间通信)
文章目录进程间通信进程通信的意义进程通信的方式1.基于文件的方式匿名管道命名管道2.基于内存的通信方式共享内存验证内核相关的数据结构了解进程间通信 进程通信的意义 当我们和另一个人打电话时两部手机都是独立的,通过基站传递信号等等复杂的过程就实现了通…...
单目标追踪——【相关滤波】C-COT原理与ECO基于C-COT的改进
目录C-COT:Continuous Convolution Operator Tracker文章侧重点连续卷积算子目标追踪框架初始化过滤器:追踪流程ECO文章侧重点因式卷积因子生成采样空间模型模型更新策略论文链接:C-COT:Beyond Correlation Filters: Learning Con…...
C++中栈是如何实现,以及常用的栈函数都有哪些
什么是栈? 栈 是一种特殊的数据结构,它是一种按照 Last-In-First-Out (LIFO) 访问模式存储和访问数据的特殊结构。 换句话说,栈中的最后一个元素将成为最先出栈的元素,这也意味着新增加的元素在栈的顶部,而出栈的元素…...
我就不信你还不懂HashSet/HashMap的底层原理
💥注💥 💗阅读本博客需备的前置知识如下💗 🌟数据结构常识🌟👉1️⃣八种数据结构快速扫盲🌟Java集合常识🌟👉2️⃣Java单列集合扫盲 ⭐️本博客知识点收录于…...
Qt中调用gtest进行单元测试及生成覆盖率报告
一.环境配置 googletest地址:https://github.com/google/googletest 我下载的是1.12.1,这是最后一个支持C++11的版本。 首先编译gtest,在windows上的编译方式和编译gRPC一模一样,详见Qt中调用gRPC,编译完了会生成几个静态库,如下图所示 本文主要用到了libgtest.a 下载ms…...
ChatGPT vs Bard 背后的技术对比分析和未来发展趋势
ChatGPT vs Bard 背后的技术对比分析和未来发展趋势 目录 ChatGPT vs Bard 背后的技术对比分析和未来发展趋势...
新能源/电力系统论文中的应用及盲审注意事项
在新能源/电力系统方向学术论文研究中,气象数据的权威性、精度及适配性直接影响论文盲审结果。羲和能源气象大数据平台作为该领域常用的气象数据支撑工具,其数据处理流程、适配特性与学术规范适配性较强,可有效提升论文盲审通过率。本文结合盲…...
WindowResizer:打破窗口限制,实现Windows窗口自由调整的终极解决方案
WindowResizer:打破窗口限制,实现Windows窗口自由调整的终极解决方案 【免费下载链接】WindowResizer 一个可以强制调整应用程序窗口大小的工具 项目地址: https://gitcode.com/gh_mirrors/wi/WindowResizer 你是否曾遇到过某些应用程序窗口大小被…...
如何打造专属漫画体验?Venera主题定制全攻略
如何打造专属漫画体验?Venera主题定制全攻略 【免费下载链接】venera A comic app 项目地址: https://gitcode.com/gh_mirrors/ve/venera 核心价值:为什么要定制Venera主题? 在数字阅读时代,个性化体验已成为提升用户满意…...
MogFace-large效果对比:在遮挡/小脸/密集场景下超越YOLOv8与RetinaFace实测
MogFace-large效果对比:在遮挡/小脸/密集场景下超越YOLOv8与RetinaFace实测 1. 引言:人脸检测的现实挑战 在实际应用中,人脸检测面临着三大难题:遮挡、小脸和密集场景。当人脸被口罩、眼镜或其他人遮挡时,传统检测器…...
三步掌握Citra模拟器:从入门到精通的高效实用指南
三步掌握Citra模拟器:从入门到精通的高效实用指南 【免费下载链接】citra A Nintendo 3DS Emulator 项目地址: https://gitcode.com/gh_mirrors/cit/citra Citra是一款开源的Nintendo 3DS模拟器,它能让你在Windows、Linux和macOS系统上流畅运行《…...
离散化与差分结合应用例题精讲
一、离散化是什么? 1.为什么用离散化 引入:当题目给我们几个区间涂色,总长为20亿,要求我们统计最后有颜色的区域。 聪明的我们立刻就想建立一个数组,每接收到一个区间就遍历该区间打上标记。最后遍历整个数组统计带…...
SEO_如何通过内容优化有效提升SEO效果(353 )
SEO内容优化:如何通过高质量内容提升SEO效果 在当今的互联网时代,搜索引擎优化(SEO)已经成为了每一个网站运营者必须掌握的技能。而其中,内容优化是提升SEO效果的关键。好的内容不仅能吸引更多的访问者,还…...
MSF(etasploit Framework)工具使用与实战
MSF工具介绍工具简介全称Metasploit Framework,是漏洞研究、渗透测试、漏洞验证的一体化平台,主要有以下五大核心模块: Auxiliary(辅助模块):漏洞扫描、信息收集、端口扫描、服务探测(无攻击载荷…...
OpenClaw性能优化:提升Kimi-VL-A3B-Thinking多模态任务执行效率
OpenClaw性能优化:提升Kimi-VL-A3B-Thinking多模态任务执行效率 1. 为什么需要性能优化? 上周我尝试用OpenClaw对接Kimi-VL-A3B-Thinking多模态模型处理一批产品截图分析任务。原本预计2小时完成的工作,实际运行了整整8小时——期间不仅消耗…...
OpenClaw+Qwen3-14b_int4_awq低成本方案:自建模型替代SaaS API
OpenClawQwen3-14b_int4_awq低成本方案:自建模型替代SaaS API 1. 为什么选择自建模型替代商业API 去年我开始使用OpenClaw进行个人自动化项目时,第一个遇到的问题就是Token消耗成本。当时我使用的是某商业API,一个简单的文件整理任务就消耗…...
