python笔记(2)

yipeiwu_com5年前Python基础
继续List:

删除元素:
复制代码 代码如下:

a =[1, 2, 3, 4]
a[2:3] = [] #[1, 2, 4]
del a[2] #[1, 2]

清空list
复制代码 代码如下:

a[ : ] = []
del a[:]

list作为栈使用(后入先出):
复制代码 代码如下:

stack = [3, 4, 5]
stack.append(6)
stack.append(7)
stack.pop() # 7
stack.pop() # 6
stack.pop() # 5

用负数索引:
复制代码 代码如下:

b=[1, 2, 3, 4]
b[-2] #3

"+"组合list:
复制代码 代码如下:

end = ['st', 'nd'] + 5*['th'] + ['xy'] # ['st', 'nd', 'th', 'th', 'th', 'th', 'th', 'xy']

查出某元素在list中的数量:
复制代码 代码如下:

lst.('hello') # hello 的数量

list排序:
复制代码 代码如下:

sort()
#对链表中的元素进行适当的排序。

reverse()
#倒排链表中的元素

函数指针的问题:
复制代码 代码如下:

def f2(a, L=[])
L.append(a)
return L

print(f2(1)) # 1
print(f2(2)) # 1, 2 L在这次函数调用时是[1]
print(f2(3)) # 1, 2, 3

函数中的参数中有:

  *参数名 :表示任意个数的参数

  **  :表示dictionary参数
控制语句:

 IF:
复制代码 代码如下:

if x < 0:
x = 0
print 'Negative changed to zero'
elif x == 0:
print 'Zero'
elif x == 1:
print 'Single'
else:
print 'More'

FOR:
复制代码 代码如下:

a = ['cat', 'window', 'defenestrate']
for x in a:
print x, len(x)  

WHILE:
复制代码 代码如下:

a, b = 0, 1
while b < 1000:
print b,
a, b = b, a+b
#1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987

pass :空操作语句
复制代码 代码如下:

while True:
pass

dictionary: 键值对的数据结构

用list来构造dictionary:
复制代码 代码如下:

items = [('name', 'dc'), ('age', 78)]
d = dict(items) #{'age': 78, 'name': 'dc'}

有趣的比较:
复制代码 代码如下:

x = [] #list
x[2] = 'foo' #出错
x = {} #dictionary
x[2] = 'foo' #正确

内容比较杂,学到什么就记下来。完全利用工作中的空闲和业余时间来完成,更加充实了。



相关文章

对python中Json与object转化的方法详解

对python中Json与object转化的方法详解

python提供了json包来进行json处理,json与python中数据类型对应关系如下: 一个python object无法直接与json转化,只能先将对象转化成dictiona...

pyinstaller参数介绍以及总结详解

pyinstaller参数介绍以及总结详解

最近利用tkinter+python+pyinstaller实现了小工具的项目,在此记录下pyinstaller相关参数以及爬过的坑。 一、pyinstaller相关参数...

Pandas之排序函数sort_values()的实现

一、sort_values()函数用途 pandas中的sort_values()函数原理类似于SQL中的order by,可以将数据集依照某个字段中的数据进行排序,该函数即可根据指定列...

Python3中详解fabfile的编写

fab命令好似结合我们编写的fabfile.py(其它文件名必须添加-f filename应用)来搭配使用的,部分命令行参数可以通过相应的方法来替代,使之更加灵活,例如"-H 192.1...

python使用pandas处理大数据节省内存技巧(推荐)

python使用pandas处理大数据节省内存技巧(推荐)

一般来说,用pandas处理小于100兆的数据,性能不是问题。当用pandas来处理100兆至几个G的数据时,将会比较耗时,同时会导致程序因内存不足而运行失败。 当然,像Spark这类的...