Python에서 목록과 튜플의 사용법과 차이점에 대한 자세한 설명
1. 둘의 차이점
목록:
1. 목록 내용을 추가할 수 있습니다
2. 전체 목록 개수에서 특정 목록 세그먼트가 나타나는 횟수를 계산할 수 있습니다
3. 문자열을 삽입하고 전체 문자열의 각 문자를 목록 세그먼트로 분할하여 목록 확장에 추가할 수 있습니다
4. 전체 목록 인덱스에서 특정 목록 세그먼트의 위치를 쿼리할 수 있습니다
5. 지정된 위치에 목록 세그먼트를 삽입할 수 있습니다
6. 목록팝의 마지막 목록 부분을 삭제할 수 있습니다
7. 지정된 목록 제거에서 목록 세그먼트를 삭제할 수 있습니다
8. 정방향, 역방향 정렬 가능
9. 문자나 숫자로 정렬할 수 있습니다
10. 목록을 정의할 때 대괄호 "[]"를 사용하세요
참고: 목록에서 두 개의 목록 세그먼트가 동일한 경우 색인을 사용하든 제거를 사용하든 최상위 목록 세그먼트가 계산됩니다
튜플:
1. 전체 튜플 개수에서 특정 튜플 세그먼트가 나타나는 횟수를 셀 수 있습니다
2. 전체 튜플 인덱스에서 특정 튜플 세그먼트의 튜플 번호를 쿼리할 수 있습니다
3. 튜플을 정의할 때 괄호 "()"를 사용하세요
2. 2. 사용방법
목록
#定义列表 >>> name_list = ['sean','tom','jack','Angelia','Daisy','jack'] #查看定义的列表 >>> name_list ['sean', 'tom', 'jack', 'Angelia', 'Daisy', 'jack'] #增加david列表段 >>> name_list.append('david') >>> name_list ['sean', 'tom', 'jack', 'Angelia', 'Daisy', 'jack', 'david'] #统计david列表段出现次数 >>> name_list.count('david') 1 >>> name_list.count('jack') 2 #使用extend向列表中增加列表段 >>> name_list.extend('Hello,My name is sean') >>> name_list ['sean', 'tom', 'jack', 'Angelia', 'Daisy', 'jack', 'david', 'H', 'e', 'l', 'l', 'o', ',', 'M', 'y', ' ', 'n', 'a', 'm', 'e', ' ', 'i', 's', ' ', 's', 'e', 'a', 'n'] #查看列表段所在的索引号,注意这里统计的jack为第一个jack id号 >>> name_list.index('jack') 2 >>> name_list.index('tom') 1 #向索引号为2的地方插入Adam >>> name_list.insert(2,'Adam') >>> name_list ['sean', 'tom', 'Adam', 'jack', 'Angelia', 'Daisy', 'jack', 'david', 'H', 'e', 'l', 'l', 'o', ',', 'M', 'y', ' ', 'n', 'a', 'm', 'e', ' ', 'i', 's', ' ', 's', 'e', 'a', 'n'] #删除最后一个列表段 >>> name_list.pop() 'n' >>> name_list ['sean', 'tom', 'Adam', 'jack', 'Angelia', 'Daisy', 'jack', 'david', 'H', 'e', 'l', 'l', 'o', ',', 'M', 'y', ' ', 'n', 'a', 'm', 'e', ' ', 'i', 's', ' ', 's', 'e', 'a'] #删除指定列表段,注意这里删除的是第一个jack >>> name_list.remove('jack') >>> name_list ['sean', 'tom', 'Adam', 'Angelia', 'Daisy', 'jack', 'david', 'H', 'e', 'l', 'l', 'o', ',', 'M', 'y', ' ', 'n', 'a', 'm', 'e', ' ', 'i', 's', ' ', 's', 'e', 'a'] #对整个列表进行倒序 >>> name_list.reverse() >>> name_list ['a', 'e', 's', ' ', 's', 'i', ' ', 'e', 'm', 'a', 'n', ' ', 'y', 'M', ',', 'o', 'l', 'l', 'e', 'H', 'david', 'jack', 'Daisy', 'Angelia', 'Adam', 'tom', 'sean'] #对整个列表进行倒序 >>> name_list.reverse() >>> name_list ['sean', 'tom', 'Adam', 'Angelia', 'Daisy', 'jack', 'david', 'H', 'e', 'l', 'l', 'o', ',', 'M', 'y', ' ', 'n', 'a', 'm', 'e', ' ', 'i', 's', ' ', 's', 'e', 'a'] #对整个列表进行列表段的首字母进行排序 >>> name_list.sort() >>> name_list [' ', ' ', ' ', ',', 'Adam', 'Angelia', 'Daisy', 'H', 'M', 'a', 'a', 'david', 'e', 'e', 'e', 'i', 'jack', 'l', 'l', 'm', 'n', 'o', 's', 's', 'sean', 'tom', 'y'] >>>
튜플
#定义元组name_tuple >>> name_tuple = ('xiaoming','xiaohong','xiaoli','xiaozhang','xiaoming') >>> name_tuple ('xiaoming', 'xiaohong', 'xiaoli', 'xiaozhang', 'xiaoming') #统计xiaoming、xiaohong在元组内出现的次数 >>> name_tuple.count('xiaoming') 2 >>> name_tuple.count('xiaohong') 1 #查询xiaoming、xiaohong、xiaozhang在元组内的id号 >>> name_tuple.index('xiaoming') 0 >>> name_tuple.index('xiaohong') 1 >>> name_tuple.index('xiaozhang') 3 >>> #尝试增加一个元组单元 >>> name_tuple.append('xiaowang') Traceback (most recent call last): File "<pyshell#49>", line 1, in <module> name_tuple.append('xiaowang') AttributeError: 'tuple' object has no attribute 'append' >>>
튜플의 요소는 불변이고, 튜플의 요소는 변경 가능
>>> tuple_A = (1,2,{'k1':'v1'}) >>> for i in tuple_A: ... print i ... 1 2 {'k1': 'v1'} #更改元素 >>> tuple_A[2]['k1'] = 'v2' >>> for i in tuple_A: ... print i ... 1 2 {'k1': 'v2'} >>>

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 튜토리얼은 Python을 사용하여 Zipf의 법칙의 통계 개념을 처리하는 방법을 보여주고 법을 처리 할 때 Python의 읽기 및 대형 텍스트 파일을 정렬하는 효율성을 보여줍니다. ZIPF 분포라는 용어가 무엇을 의미하는지 궁금 할 것입니다. 이 용어를 이해하려면 먼저 Zipf의 법칙을 정의해야합니다. 걱정하지 마세요. 지침을 단순화하려고 노력할 것입니다. Zipf의 법칙 Zipf의 법칙은 단순히 : 큰 자연어 코퍼스에서 가장 자주 발생하는 단어는 두 번째 빈번한 단어, 세 번째 빈번한 단어보다 세 번, 네 번째 빈번한 단어 등 4 배나 자주 발생합니다. 예를 살펴 보겠습니다. 미국 영어로 브라운 코퍼스를 보면 가장 빈번한 단어는 "TH입니다.

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점

Python의 통계 모듈은 강력한 데이터 통계 분석 기능을 제공하여 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해할 수 있도록 도와줍니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오. 이 튜토리얼은 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 평균 () 함수의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. 무작위로 가져옵니다 수입 통계 Fracti에서

파이썬 객체의 직렬화 및 사막화는 사소한 프로그램의 주요 측면입니다. 무언가를 Python 파일에 저장하면 구성 파일을 읽거나 HTTP 요청에 응답하는 경우 객체 직렬화 및 사태화를 수행합니다. 어떤 의미에서, 직렬화와 사제화는 세계에서 가장 지루한 것들입니다. 이 모든 형식과 프로토콜에 대해 누가 걱정합니까? 일부 파이썬 객체를 지속하거나 스트리밍하여 나중에 완전히 검색하려고합니다. 이것은 세상을 개념적 차원에서 볼 수있는 좋은 방법입니다. 그러나 실제 수준에서 선택한 직렬화 체계, 형식 또는 프로토콜은 속도, 보안, 유지 보수 상태 및 프로그램의 기타 측면을 결정할 수 있습니다.

이 기사는 Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask 및 요청과 같은 인기있는 Python 라이브러리에 대해 설명하고 과학 컴퓨팅, 데이터 분석, 시각화, 기계 학습, 웹 개발 및 H에서의 사용에 대해 자세히 설명합니다.

이 튜토리얼에서는 전체 시스템 관점에서 Python의 오류 조건을 처리하는 방법을 배웁니다. 오류 처리는 설계의 중요한 측면이며 최종 사용자까지 가장 낮은 수준 (때로는 하드웨어)에서 교차합니다. y라면

이 튜토리얼은 간단한 나무 탐색을 넘어서 DOM 조작에 중점을 둔 아름다운 수프에 대한 이전 소개를 바탕으로합니다. HTML 구조를 수정하기위한 효율적인 검색 방법과 기술을 탐색하겠습니다. 일반적인 DOM 검색 방법 중 하나는 EX입니다
