手机网站建设哪家公司好,室内设计师培训网,国内开源cms,硬件开发简历Python基础 语法拾遗List与Tuple的区别yield关键字for in enumeratefor in zip 精彩片段测量程序用时 语法拾遗
List与Tuple的区别
ListTuple建立后是否可变可变不可变建立后是否可添加元素可添加不可添加
# list and tuple
List [1, 2, 3, 4, 5]
Tuple (1, 2, 3, 4, 5)
p… Python基础 语法拾遗List与Tuple的区别yield关键字for in enumeratefor in zip 精彩片段测量程序用时 语法拾遗
List与Tuple的区别
ListTuple建立后是否可变可变不可变建立后是否可添加元素可添加不可添加
# list and tuple
List [1, 2, 3, 4, 5]
Tuple (1, 2, 3, 4, 5)
print(List)
print(Tuple)def change_element():# diff1list中元素建立后可改变tuple中元素建立后不可改变print(【1.change element】)List[0] 0# Tuple[0] 0 # errorprint(List)print(Tuple)def add_element():# diff2list可添加元素tuple不可添加元素print(【2.add element】)List.append(6)print(List)print(Tuple)def resize():l2 List Listt2 Tuple Tupleprint(l2)print(t2)def nest():List[0] [6, 8, 10]# Tuple[0] (6,8,10) # errorprint(List)tuple (1, 2, 3, 4, (5, 6, 7, 8))print(tuple)def in_and_notin():print(1 in, List, is, 1 in List)print(1 in, Tuple, is, 1 in Tuple)print(100 not in, List, is, 100 not in List)print(100 not in, Tuple, is, 100 not in Tuple)passdef is_and_equal():is, is not 比较的是两个变量的内存地址 比较的是两个变量的值:return:x helloy helloprint(x is y, x y) # True,Trueprint(x is not y, x ! y) # False,Falsea [hello]b [hello]print(a is b, a b) # False Trueprint(a is not b, a ! b) # True Falsec (hello)d (hello)print(c is d, c d) # True,Trueprint(c is not d, c ! d) # False,Falsedef complement_code(x):求一个数的补码https://tianchi.aliyun.com/notebook/169961方法来源阿里天池:param x::return:if x 0:return bin(x)else:return bin(x 0xffffffff)if __name__ __main__:# change_element()# add_element()# resize()# nest()# in_and_notin()# is_and_equal()# print(complement_code(-3))
yield关键字
《Python中yield的使用》—— 设计学院这篇文章说使代码逻辑更加清晰易于理解和维护可yield的缺点就是不好阅读和理解不是西方人写的所有东西都是好的。 Python Yield - NBShare
def my_generator():yield 1yield 2yield 3g my_generator()
print(next(g)) # 输出1
print(next(g)) # 输出2
print(next(g)) # 输出3###############################
def my_generator():yield 1yield 2yield 3if __name__ __main__:for i in my_generator():print(i)
# 输出
# 1
# 2
# 3
###############################
#惰性计算指的是在需要的时候才计算数据而不是一次性计算所有的数据。通过yield我们可以将计算分成多个阶段每次只计算一部分数据从而减少了计算的时间和内存消耗。
def fib():a, b 0, 1while True:yield aa, b b, a bf fib()
print(next(f)) # 输出0
print(next(f)) # 输出1
print(next(f)) # 输出1
print(next(f)) # 输出2
###############################
#协程是一种在单线程中实现多任务的技术可以实现任务之间的切换和并发执行。
#yield可以用来实现协程通过yield可以在函数执行过程中暂停并切换到其他任务。这种方式可以大幅度提高程序的并发性和响应性。
#通过yield语句实现了程序的暂停和切换。使用send()方法可以向协程中传递数据并在需要的时候继续执行程序。
def coroutine():while True:value yieldprint(value)c coroutine()
next(c)
c.send(Hello) # 输出Hello
c.send(World) # 输出World我是这么理解的yield相当于把断点调试写成了一个语法特性每调用一次这个关键字生成的generator就生成下一个结果。我发现国内网站UI颜值普遍低还是说国内的技术栈像我海军某少校参观俄罗斯舰艇所感一样“感受到了厚重的历史”。
for in enumerate
《用法介绍for in enumerate》—— 设计学院
######## 1.基本用法
animals [cat, dog, fish]
for idx, animal in enumerate(animals):print(Index:, idx, Animal:, animal)# Index: 0 Animal: cat
# Index: 1 Animal: dog
# Index: 2 Animal: fish######## 2.指定遍历的起始索引值
fruits [apple, banana, melon]
for idx, fruit in enumerate(fruits, start1):print(Index:, idx, Fruit:, fruit)# Index: 1 Fruit: apple
# Index: 2 Fruit: banana
# Index: 3 Fruit: melon######## 3.使用for in enumerate遍历字典时会输出字典中每个键值对的索引值和key而非value。
fruits {apple: 1, banana: 2, melon: 3}
for idx, fruit in enumerate(fruits):print(Index:, idx, Fruit:, fruit)# Index: 0 Fruit: apple
# Index: 1 Fruit: banana
# Index: 2 Fruit: melon######## 4.遍历嵌套列表
neste_list [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
for i, lst in enumerate(neste_list):for j, element in enumerate(lst):print(i:, i, j:, j, element:, element)# i: 0 j: 0 element: 1
# i: 0 j: 1 element: 2
# i: 0 j: 2 element: 3
# i: 1 j: 0 element: 4
# i: 1 j: 1 element: 5
# i: 1 j: 2 element: 6
# i: 2 j: 0 element: 7
# i: 2 j: 1 element: 8
# i: 2 j: 2 element: 9######## 5.K-折交叉验证遍历
fold KFold(5,shuffleFalse)
y_train_data pd.DataFrame([11,12,13,14,15, 16,17,18,19,20])
print(type(fold.split(y_train_data))) # generator, the yield feature are used in this function用到了yield关键字.
print(fold.split(y_train_data))
# for iteration, indices in enumerate(fold.split(y_train_data), start 0): # Try it
for iteration, indices in enumerate(fold.split(y_train_data), start 1): # fold.split(): Generate indices to split data into training and test set.print(iteration ,iteration)print(indices[0])print(indices[1])# class generator
# generator object _BaseKFold.split at 0x7f31ba7479e8
# iteration 1
# [2 3 4 5 6 7 8 9]
# [0 1]
# iteration 2
# [0 1 4 5 6 7 8 9]
# [2 3]
# iteration 3
# [0 1 2 3 6 7 8 9]
# [4 5]
# iteration 4
# [0 1 2 3 4 5 8 9]
# [6 7]
# iteration 5
# [0 1 2 3 4 5 6 7]
# [8 9]for in zip
《用法介绍for in zip》—— 设计学院
######## 1.基本用法
iter1 [1, 2, 3]
iter2 [a, b, c]result zip(iter1, iter2)
print(type(result))
for x, y in result:print(x, y)
# 输出结果
# class zip
# 1 a
# 2 b
# 3 c######## 2.合并列表并输出
list1 [1, 2, 3]
list2 [a, b, c]result list(zip(list1, list2))
print(result) # 输出结果[(1, a), (2, b), (3, c)]######## 3.并行处理
import multiprocessingdef process_data(data):# 处理数据的函数print(type(data))print(data,end)return THE RESULTinput_data1 [1, 2, 3, 4, 5]
input_data2 [a, b, c, d, e]
pool multiprocessing.Pool()# 这里的map(func, param)就是将param(可迭代即可)中的每个值传入func进行并行计算然后map函数本身的返回值就是分别计算的结果以list为形式返回。
ret_list pool.map(process_data, zip(input_data1, input_data2)) # Apply func to each element in iterable, collecting the results in a list that is returned.
print(ret_list)# 由于是并行的可能连续输出换行不一定是规整的这似乎证明了一件事那就是print输出并非原子操作中间是可以被插入其它运算的
#class tupleclass tupleclass tupleclass tupleclass tuple
#(4, d)(1, a)
#(5, e)(3, c)(2, b)[THE RESULT, THE RESULT, THE RESULT, THE RESULT, THE RESULT]######## 4.将两个列表转换成字典
keys [a, b, c]
values [1, 2, 3]result dict(zip(keys, values))
print(result) # 输出结果{a: 1, b: 2, c: 3}精彩片段
测量程序用时
import time
start time.time()
# Your python code
end time.time()
print(The time for the code executed:, end - start)
