Komprimieren Sie Listen unterschiedlicher Größe in Python
Einführung
In Python sind Listen eine der am häufigsten verwendeten Methoden zum Speichern von numerischen Werten oder Zeichenfolgenwerten. Sie sind veränderbar und werden durch die Verwendung von eckigen Klammern [] definiert. Listen dieses Typs können verschiedene Elemente enthalten, die unterschiedliche Datentypen haben können. Manchmal müssen wir möglicherweise verschiedene Listen in Python für Datenvorverarbeitungszwecke komprimieren.
In diesem Artikel besprechen wir Komprimierungsvorgänge für Listen und wie man Listen unterschiedlicher Größe in Python mit verschiedenen Methoden und Techniken komprimiert. Dieser Artikel hilft Ihnen, den Komprimierungsvorgang einer Liste zu verstehen und ihn bei Bedarf durchzuführen.
Jetzt beginnen wir mit der Diskussion von Listen und ihren Komprimierungsvorgängen.
Listenkomprimierung
Wie wir alle wissen, sind Listen eine gängige Methode zum Speichern von Elementen, die numerische Werte oder Zeichenfolgenwerte enthalten können. Dabei handelt es sich um veränderliche Typen, die typischerweise bei der Arbeit mit Datensätzen in Python verwendet werden.
Der Komprimierungsvorgang von Listen bedeutet, dass wir tatsächlich zwei verschiedene Listen komprimieren, oder einfacher gesagt, wir koppeln die Werte zweier verschiedener Listen.
Um die Idee dahinter zu verdeutlichen, nehmen wir ein Beispiel. Nehmen wir an, wir haben zwei Listen:
L1 = [1,2,3]
L2 = [‚eins‘, ‚zwei‘, ‚drei‘]
Wie wir oben sehen können, haben wir zwei verschiedene Listen und sobald wir eine Komprimierungsoperation an ihnen durchführen, wird die Ausgabe sein:
Zipped_List = [(1, ‚eins‘), (2, ‚zwei‘), (3, ‚drei‘)]
Lassen Sie uns nun die Anwendungsfälle komprimierter Listen in Python besprechen.
Anwendung zum Komprimieren von Listen
Das Komprimieren zweier unterschiedlicher Listen gleicher oder unterschiedlicher Größe kann in vielen Situationen hilfreich sein. Lassen Sie uns besprechen:
Wörterbuchdarstellung: Komprimierungsoperationen für zwei verschiedene Listen können uns dabei helfen, die Listen als Wörterbücher zu erstellen oder darzustellen. Wir können das Gleiche tun, indem wir eine Liste mit den Schlüsseln und eine andere Liste mit den Wörterbuchwerten erhalten.
Datenverarbeitung: In einigen Fällen ist zur weiteren Ausführung der Aufgabe eine Datenverarbeitung erforderlich und möglicherweise ist anstelle so vieler verschiedener Listen eine gemeinsame Liste erforderlich. In diesem Fall können Komprimierungsvorgänge sehr hilfreich sein.
Dateniteration: Komprimierungsoperationen können auch verwendet werden, wenn Sie über Listenelemente iterieren und eine Operation an ihnen ausführen möchten.
Komprimierte Liste
Es gibt viele Möglichkeiten, verschiedene Listen zu komprimieren. Lassen Sie uns einige davon besprechen.
Methode 1: For-Schleifen und Aufzählungen verwenden
Die Verwendung von for-Schleifen mit Aufzählungen ist eine der einfachsten Möglichkeiten, zwei Listen unterschiedlicher Größe zu komprimieren.
# Using For Loop with Enumerate #1. Define two lists 2. Run a for loop with enumerate 3. Zip the lists # define the two lists list1 = [1,2,3,4,5,6] list2 = [1, 5, 6] # print the original lists print ("The input list 1 is : " + str(list1)) print ("The input list 2 is : " + str(list2)) # for i, j run a for loop with enumerate # append the values with j res = [] for i, j in enumerate(list1): res.append((j, list2[i % len(list2)])) # print the zipped list print ("The Zip List from List 1 and 2 is : " + str(res))
Wie wir im obigen Code sehen können, geben wir zwei verschiedene Listen ein, Liste 1 und Liste 2, die unterschiedlich groß sind.
Zuerst drucken wir die Originalliste aus und führen dann eine for-Schleife mit der Aufzählungsfunktion aus, die die Listenelemente anhängt und beide Listen komprimiert.
Ausgabe
Die Ausgabe des folgenden Codes ist:
The input list 1 is : [1, 2, 3, 4, 5, 6] The input list 2 is : [1, 5, 6] The Zip List from List 1 and 2 is : [(1, 1), (2, 5), (3, 6), (4, 1), (5, 5), (6, 6)]
Methode 2: Verwenden Sie die Zip()-Methode
Die Verwendung des Schlüsselworts Zip() kann uns auch dabei helfen, zwei Listen unterschiedlicher Größe zu komprimieren. Hier können wir bestimmte Schlüsselwörter in der Schleife verwenden.
# using Zip() # define the list num_list = [1, 2, 3, 4] # numerical list str_list = ['one', 'two', 'three', 'four', 'none', 'none'] #string list # zip the lists with using zip() zipped_list = [(num, s) for num, s in zip(num_list, str_list)] print(zipped_list)
Wie wir im obigen Code sehen können, haben wir zwei verschiedene Listen unterschiedlicher Größe und verwenden zip(), um die Listenelemente anzuhängen und die Liste zu komprimieren.
Ausgabe
Die Ausgabe des folgenden Codes ist:
[(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')]
Methode 3: Verwenden Sie Itertools
Dies ist eine der klassischen Möglichkeiten, zwei Listen unterschiedlicher Größe zu komprimieren. Hier verwenden wir Itertools, um die Liste zu komprimieren.
# using the itertools # itertools + cycle # import the cycle from itertools from itertools import cycle # define two different lists list1 = [1,2,3,4,5,6,7] list2 = [10, 50, 21] # print the list1 and list2 print ("The input list 1 is : " + str(list1)) print ("The input list 2 is : " + str(list2)) # now use the cycle imported from itertools res = list(zip(list1, cycle(list2)) if len(list1) > len(list2) #check for conditions else zip(cycle(list1), list2)) # printing the zipped list print ("The Zip List from List 1 and 2 is: " + str(res))
Wie wir im obigen Code sehen können, ist die itertools-Bibliothek bereits installiert und die Schleife wird daraus importiert.
Dann haben wir zwei Listen unterschiedlicher Größe definiert und dieselbe Liste gedruckt. Als nächstes wird die Schleife verwendet, um die Listen zu komprimieren, indem beide Listen an dieselbe Liste übergeben werden.
Ausgabe
Die Ausgabe dieses Codes ist:
The input list 1 is : [1, 2, 3, 4, 5, 6, 7] The input list 2 is : [10, 50, 21] The Zip List from List 1 and 2 is : [(1, 10), (2, 50), (3, 21), (4, 10), (5, 50), (6, 21), (7, 10)]
Fazit
In diesem Artikel haben wir Listen besprochen, welche Komprimierungsvorgänge für Listen es gibt, welche Anwendungen es dafür gibt und wie man zwei Listen unterschiedlicher Größe in Python komprimiert.
Wir haben insgesamt 3 Methoden besprochen, mit denen Sie eine Liste in Python komprimieren können, und jeder kann eine Liste entsprechend der Problemstellung und Anforderung komprimieren. Dieser Artikel hilft Ihnen, den Komprimierungsvorgang einer Liste zu verstehen und ihn bei Bedarf durchzuführen.
Das obige ist der detaillierte Inhalt vonKomprimieren Sie Listen unterschiedlicher Größe in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

Das Aktualisieren von PyTorch auf der neuesten Version von CentOS kann die folgenden Schritte ausführen: Methode 1: Aktualisieren von PIP mit PIP: Stellen Sie zunächst sicher, dass Ihr PIP die neueste Version ist, da ältere Versionen von PIP möglicherweise nicht in der Lage sind, die neueste Version von PyTorch ordnungsgemäß zu installieren. Pipinstall-upgradePip Die alte Version von Pytorch (falls installiert): PipuninstallTorChTorChVisionTorChaudio-Installation Neueste
