


Compresser des listes de différentes tailles en Python
Présentation
En Python, les listes sont l'une des méthodes largement utilisées pour stocker des valeurs numériques ou de chaîne. Ils sont modifiables et définis à l'aide de crochets []. Les listes de ce type peuvent contenir différents éléments, qui peuvent avoir différents types de données. Parfois, nous pouvons avoir besoin de compresser différentes listes en Python à des fins de prétraitement des données.
Dans cet article, nous aborderons les opérations de compression sur les listes et comment compresser des listes de différentes tailles en Python en utilisant différentes méthodes et techniques. Cet article aidera à comprendre l’opération de compression d’une liste et à effectuer la même chose si nécessaire.
Commençons maintenant à discuter des listes et de leurs opérations de compression.
Compression de liste
Comme nous le savons tous, les listes sont un moyen courant de stocker des éléments, qui peuvent contenir des valeurs numériques ou des chaînes. Ce sont des types mutables qui sont couramment utilisés lorsque vous travaillez avec des ensembles de données lors de l'utilisation de Python.
L'opération de compression des listes signifie que nous compressons en fait deux listes différentes, ou plus simplement, nous associons les valeurs de deux listes différentes.
Pour clarifier l’idée qui se cache derrière, prenons un exemple. Disons que nous avons deux listes :
L1 = [1,2,3]
L2 = ['un', 'deux', 'trois']
Comme nous pouvons le voir ci-dessus, nous avons deux listes différentes et une fois que nous effectuons une opération de compression sur elles, le résultat sera :
Zipped_List = [(1, 'un'), (2, 'deux'), (3, 'trois')]
Discutons maintenant des cas d'utilisation des listes compressées en Python.
Application de compression de listes
Compresser deux listes différentes de même taille ou de tailles différentes peut être utile dans de nombreuses situations. Discutons-en :
Représentation du dictionnaire : L'opération de compression sur deux listes différentes peut nous aider à créer ou à représenter les listes sous forme de dictionnaires. Nous pouvons faire la même chose en obtenant une liste contenant les clés et une autre liste contenant les valeurs du dictionnaire.
Traitement des données : Dans certains cas, afin de continuer à effectuer la tâche, un traitement des données est nécessaire et une liste commune peut être nécessaire au lieu de tant de listes différentes. Dans ce cas, les opérations de compression peuvent être très utiles.
Itération des données : Les opérations de compression peuvent également être utilisées lorsque vous souhaitez parcourir des éléments de la liste et que vous souhaitez effectuer une opération sur eux.
Liste compressée
Il existe de nombreuses façons de compresser différentes listes, discutons de certaines d'entre elles.
Méthode 1 : Utiliser des boucles For et des énumérations
L'utilisation de boucles for avec des énumérations est l'un des moyens les plus simples de compresser deux listes de tailles différentes.
# 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))
Comme nous pouvons le voir dans le code ci-dessus, nous saisissons deux listes différentes, Liste 1 et Liste 2, qui sont de tailles différentes.
Nous imprimons d’abord la liste originale, puis exécutons une boucle for en utilisant la fonction d’énumération qui ajoutera les éléments de la liste et compressera les deux listes.
Sortie
La sortie du code suivant est :
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)]
Méthode 2 : Utiliser la méthode Zip()
L'utilisation du mot-clé Zip() peut également nous aider à compresser deux listes de tailles différentes. Ici, nous pouvons utiliser des mots-clés spécifiques dans la boucle.
# 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)
Comme nous pouvons le voir dans le code ci-dessus, nous avons deux listes différentes de tailles différentes et nous utilisons zip() pour ajouter les éléments de la liste et compresser la liste.
Sortie
La sortie du code suivant est :
[(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')]
Méthode 3 : utiliser Itertools
C'est l'une des méthodes classiques pour compresser deux listes de tailles différentes. Ici, nous utiliserons Itertools pour compresser la liste.
# 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))
Comme nous pouvons le voir dans le code ci-dessus, la bibliothèque itertools est déjà installée et la boucle en est importée.
Ensuite, nous avons défini deux listes de tailles différentes et imprimé la même liste. Ensuite, la boucle est utilisée pour compresser les listes en passant les deux listes dans la même liste.
Sortie
La sortie de ce code est :
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)]
Conclusion
Dans cet article, nous avons discuté des listes, quelles sont les opérations de compression des listes, quelles en sont les applications et comment compresser deux listes de tailles différentes en Python.
Nous avons discuté d'un total de 3 méthodes à l'aide desquelles vous pouvez compresser une liste en Python et n'importe qui peut compresser une liste selon l'énoncé du problème et les exigences. Cet article aidera à comprendre l’opération de compression d’une liste et à effectuer la même chose en cas de besoin.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

PHP et Python ont leurs propres avantages et inconvénients, et le choix dépend des besoins du projet et des préférences personnelles. 1.Php convient au développement rapide et à la maintenance des applications Web à grande échelle. 2. Python domine le domaine de la science des données et de l'apprentissage automatique.

Python et JavaScript ont leurs propres avantages et inconvénients en termes de communauté, de bibliothèques et de ressources. 1) La communauté Python est amicale et adaptée aux débutants, mais les ressources de développement frontal ne sont pas aussi riches que JavaScript. 2) Python est puissant dans les bibliothèques de science des données et d'apprentissage automatique, tandis que JavaScript est meilleur dans les bibliothèques et les cadres de développement frontaux. 3) Les deux ont des ressources d'apprentissage riches, mais Python convient pour commencer par des documents officiels, tandis que JavaScript est meilleur avec MDNWEBDOCS. Le choix doit être basé sur les besoins du projet et les intérêts personnels.

Activer l'accélération du GPU Pytorch sur le système CentOS nécessite l'installation de versions CUDA, CUDNN et GPU de Pytorch. Les étapes suivantes vous guideront tout au long du processus: CUDA et CUDNN Installation détermineront la compatibilité de la version CUDA: utilisez la commande NVIDIA-SMI pour afficher la version CUDA prise en charge par votre carte graphique NVIDIA. Par exemple, votre carte graphique MX450 peut prendre en charge CUDA11.1 ou plus. Téléchargez et installez Cudatoolkit: visitez le site officiel de Nvidiacudatoolkit et téléchargez et installez la version correspondante selon la version CUDA la plus élevée prise en charge par votre carte graphique. Installez la bibliothèque CUDNN:

Docker utilise les fonctionnalités du noyau Linux pour fournir un environnement de fonctionnement d'application efficace et isolé. Son principe de travail est le suivant: 1. Le miroir est utilisé comme modèle en lecture seule, qui contient tout ce dont vous avez besoin pour exécuter l'application; 2. Le Système de fichiers Union (UnionFS) empile plusieurs systèmes de fichiers, ne stockant que les différences, l'économie d'espace et l'accélération; 3. Le démon gère les miroirs et les conteneurs, et le client les utilise pour l'interaction; 4. Les espaces de noms et les CGROUP implémentent l'isolement des conteneurs et les limitations de ressources; 5. Modes de réseau multiples prennent en charge l'interconnexion du conteneur. Ce n'est qu'en comprenant ces concepts principaux que vous pouvez mieux utiliser Docker.

Minio Object Storage: Déploiement haute performance dans le système Centos System Minio est un système de stockage d'objets distribué haute performance développé sur la base du langage Go, compatible avec Amazons3. Il prend en charge une variété de langages clients, notamment Java, Python, JavaScript et GO. Cet article introduira brièvement l'installation et la compatibilité de Minio sur les systèmes CentOS. Compatibilité de la version CentOS Minio a été vérifiée sur plusieurs versions CentOS, y compris, mais sans s'y limiter: CentOS7.9: fournit un guide d'installation complet couvrant la configuration du cluster, la préparation de l'environnement, les paramètres de fichiers de configuration, le partitionnement du disque et la mini

La formation distribuée par Pytorch sur le système CentOS nécessite les étapes suivantes: Installation de Pytorch: La prémisse est que Python et PIP sont installés dans le système CentOS. Selon votre version CUDA, obtenez la commande d'installation appropriée sur le site officiel de Pytorch. Pour la formation du processeur uniquement, vous pouvez utiliser la commande suivante: pipinstalltorchtorchVisionTorChaudio Si vous avez besoin d'une prise en charge du GPU, assurez-vous que la version correspondante de CUDA et CUDNN est installée et utilise la version Pytorch correspondante pour l'installation. Configuration de l'environnement distribué: la formation distribuée nécessite généralement plusieurs machines ou des GPU multiples uniques. Lieu

Lors de l'installation de Pytorch sur le système CentOS, vous devez sélectionner soigneusement la version appropriée et considérer les facteurs clés suivants: 1. Compatibilité de l'environnement du système: Système d'exploitation: Il est recommandé d'utiliser CentOS7 ou plus. CUDA et CUDNN: La version Pytorch et la version CUDA sont étroitement liées. Par exemple, Pytorch1.9.0 nécessite CUDA11.1, tandis que Pytorch2.0.1 nécessite CUDA11.3. La version CUDNN doit également correspondre à la version CUDA. Avant de sélectionner la version Pytorch, assurez-vous de confirmer que des versions compatibles CUDA et CUDNN ont été installées. Version Python: branche officielle de Pytorch

La mise à jour de Pytorch vers la dernière version sur CentOS peut suivre les étapes suivantes: Méthode 1: Mise à jour de PIP avec PIP: Assurez-vous d'abord que votre PIP est la dernière version, car les anciennes versions de PIP peuvent ne pas être en mesure d'installer correctement la dernière version de Pytorch. pipinstall-upradepip désinstalle ancienne version de Pytorch (si installé): PipuninstallTorchtorchVisiontorchaudio installation dernier
