python类型转换方法汇总
python中如何类型转换?
相关推荐:《python视频》
int
支持转换为 int 类型的,仅有 float、str、bytes,其他类型均不支持。
float -> int
会去掉小数点及后面的数值,仅保留整数部分。
int(-12.94) # -12
str -> int
如果字符串中有数字(0-9)和正负号(+/-)以外的字符,就会报错。
int('1209') # 1209 int('-12') # -12 int('+1008') # 1008
bytes -> int
如果 bytes 中有数字(0-9)和正负号(+/-)以外的字符,就会报错。
int(b'1209') # 1209 int(b'-12') # -12 int(b'+1008') # 1008
float
支持转换为 float 类型的,仅有 int、str、bytes,其他类型均不支持。
int -> float
int 转换为 float 时,会自动给添加一位小数。
float(-1209) # -1209.0
str -> float
如果字符串含有正负号(+/-)、数字(0-9)和小数点(.)以外的字符,则不支持转换。
float('-1209') # -1209.0 float('-0120.29023') # -120.29023
bytes -> float
如果 bytes 中含有正负号(+/-)、数字(0-9)和小数点(.)以外的字符,则不支持转换。
float(b'-1209') # -1209.0 float(b'-0120.29023') # -120.29023
complex
仅支持 int、float、str 转换成 complex 类型。
int -> complex
int 转换 complex 时,会自动添加虚数部分并以0j表示。
complex(12) # (12+0j)
float -> complex
float 转换 complex 时,会自动添加虚数部分并以0j表示。
complex(-12.09) # (-12.09+0j)
str -> complex
str 转换 complex 时,如果能转换成 int 或 float,则会转换后再转为 complex。如果字符串完全符合 complex 表达式规则,也可以转换为 complex 类型值。
complex('-12.09') # (-12.09+0j) complex('-12.0') # (-12+0j),去除了小数部分 complex('-12') # (-12+0j) complex('-12+9j') # (-12+9j) complex('(-12+9j)') # (-12+9j) complex('-12.0-2.0j') # (-12-2j),去除了小数部分 complex('-12.0-2.09j') # (-12-2.09j) complex(b'12') # 报错,不支持 bytes 转换为 complex complex('12 + 9j') # 报错,加号两侧不可有空格
str
str() 函数可以将任意对象转换为字符串。
int -> str
int 转换 str 会直接完全转换。
str(12) # 12
float -> str
float 转换 str 会去除末位为 0 的小数部分。
str(-12.90) # -12.9
complex -> str
complex 转换 str,会先将值转化为标准的 complex 表达式,然后再转换为字符串。
str(complex(12 + 9j)) # (12+9j) str(complex(12, 9)) # (12+9j)
bytes -> str
bytes 和 str 的转换比较特殊点,在 Python 3.x 中,字符串和字节不再混淆,而是完全不同的数据类型。
转换为可执行的表达式字符串:
str(b'hello world') # b'hello world'
str() 函数指定 encoding 参数,或者使用 bytes.decode() 方法,可以作实际数据的转换:
b'hello world'.decode() # hello world str(b'hello world', encoding='utf-8') # hello world str(b'\xe4\xb8\xad\xe5\x9b\xbd', encoding='utf-8') # 中国
list -> str
会先将值格式化为标准的 list 表达式,然后再转换为字符串。
str([]) # [] str([1, 2, 3]) # [1, 2, 3] ''.join(['a', 'b', 'c']) # abc
tuple -> str
会先将值格式化为标准的 tuple 表达式,然后再转换为字符串。
str(()) # () str((1, 2, 3)) # (1, 2, 3) ''.join(('a', 'b', 'c')) # abc
dict -> str
会先将值格式化为标准的 dict 表达式,然后再转换为字符串。
str({'name': 'hello', 'age': 18}) # {'name': 'hello', 'age': 18} str({}) # {} ''.join({'name': 'hello', 'age': 18}) # nameage
set -> str
会先将值格式化为标准的 set 表达式,然后再转换为字符串。
str(set({})) # set() str({1, 2, 3}) # {1, 2, 3} ''.join({'a', 'b', 'c'}) # abc
其他类型
转换内置对象:
str(int) # <class 'int'>,转换内置类 str(hex) # <built-in function hex>,转换内置函数
转换类实例:
class Hello: pass obj = Hello() print(str(obj)) # <__main__.Hello object at 0x1071c6630>
转换函数:
def hello(): pass print(str(hello)) # <function hello at 0x104d5a048>
bytes
仅支持 str 转换为 bytes 类型。
'中国'.encode() # b'\xe4\xb8\xad\xe5\x9b\xbd'bytes('中国', encoding='utf-8') # b'\xe4\xb8\xad\xe5\x9b\xbd'
list
支持转换为 list 的类型,只能是序列,比如:str、tuple、dict、set等。
str -> list
list('123abc') # ['1', '2', '3', 'a', 'b', 'c']
bytes -> list
bytes 转换列表,会取每个字节的 ASCII 十进制值并组合成列表
list(b'hello') # [104, 101, 108, 108, 111]
tuple -> list
tuple 转换为 list 比较简单。
list((1, 2, 3)) # [1, 2, 3]
dict -> list
字典转换列表,会取键名作为列表的值。
list({'name': 'hello', 'age': 18}) # ['name', 'age']
set -> list
集合转换列表,会先去重为标准的集合数值,然后再转换。
list({1, 2, 3, 3, 2, 1}) # [1, 2, 3]
tuple
与列表一样,支持转换为 tuple 的类型,只能是序列。
str -> tuple
tuple('中国人') # ('中', '国', '人')
bytes -> tuple
bytes 转换元组,会取每个字节的 ASCII 十进制值并组合成列表。
tuple(b'hello') # (104, 101, 108, 108, 111)
list -> tuple
tuple([1, 2, 3]) # (1, 2, 3)
dict -> tuple
tuple({'name': 'hello', 'age': 18}) # ('name', 'age')
set -> tuple
tuple({1, 2, 3, 3, 2, 1}) # (1, 2, 3)
dict
str -> dict
使用 json 模块
使用 json 模块转换 JSON 字符串为字典时,需要求完全符合 JSON 规范,尤其注意键和值只能由单引号包裹,否则会报错。
import json user_info = '{"name": "john", "gender": "male", "age": 28}' print(json.loads(user_info)) # {'name': 'john', 'gender': 'male', 'age': 28}
使用 eval 函数
因为 eval 函数能执行任何符合语法的表达式字符串,所以存在严重的安全问题,不建议。
user_info = "{'name': 'john', 'gender': 'male', 'age': 28}" print(eval(user_info)) # {'name': 'john', 'gender': 'male', 'age': 28}
使用 ast.literal_eval 方法
使用 ast.literal_eval 进行转换既不存在使用 json 进行转换的问题,也不存在使用 eval 进行转换的 安全性问题,因此推荐使用 ast.literal_eval。
import ast user_info = "{'name': 'john', 'gender': 'male', 'age': 28}" user_dict = ast.literal_eval(user_info) print(user_dict) # {'name': 'john', 'gender': 'male', 'age': 28}
list -> dict
通过 zip 将 2 个列表映射为字典:
list1 = [1, 2, 3, 4] list2 = [1, 2, 3] print(dict(zip(list1, list2))) # {1: 1, 2: 2, 3: 3}
将嵌套的列表转换为字典:
li = [ [1, 111], [2, 222], [3, 333], ] print(dict(li)) # {1: 111, 2: 222, 3: 333}
tuple -> dict
通过 zip 将 2 个元组映射为字典:
tp1 = (1, 2, 3) tp2 = (1, 2, 3, 4) print(dict(zip(tp1, tp2))) # {1: 1, 2: 2, 3: 3}
将嵌套的元组转换为字典:
tp = ( (1, 111), (2, 222), (3, 333), ) print(dict(tp)) # {1: 111, 2: 222, 3: 333}
set -> dict
通过 zip 将 2 个集合映射为字典:
set1 = {1, 2, 3} set2 = {'a', 'b', 'c'} print(dict(zip(set1, set2))) # {1: 'c', 2: 'a', 3: 'b'}
set
str -> set
先将字符切割成元组,然后再去重转换为集合。
print(set('hello')) # {'l', 'o', 'e', 'h'}
bytes -> set
会取每个字节的 ASCII 十进制值并组合成元组,再去重。
set(b'hello') # {104, 108, 101, 111}
list -> set
先对列表去重,再转换。
set([1, 2, 3, 2, 1]) # {1, 2, 3}
tuple -> set
先对列表去重,再转换。
set((1, 2, 3, 2, 1)) # {1, 2, 3}
dict -> set
会取字典的键名组合成集合。
set({'name': 'hello', 'age': 18}) # {'age', 'name'}
Atas ialah kandungan terperinci python类型转换方法汇总. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



PHP dan Python mempunyai kelebihan dan kekurangan mereka sendiri, dan pilihannya bergantung kepada keperluan projek dan keutamaan peribadi. 1.PHP sesuai untuk pembangunan pesat dan penyelenggaraan aplikasi web berskala besar. 2. Python menguasai bidang sains data dan pembelajaran mesin.

Latihan yang cekap model pytorch pada sistem CentOS memerlukan langkah -langkah, dan artikel ini akan memberikan panduan terperinci. 1. Penyediaan Persekitaran: Pemasangan Python dan Ketergantungan: Sistem CentOS biasanya mempamerkan python, tetapi versi mungkin lebih tua. Adalah disyorkan untuk menggunakan YUM atau DNF untuk memasang Python 3 dan menaik taraf PIP: Sudoyumupdatepython3 (atau SudodnfupdatePython3), pip3install-upgradepip. CUDA dan CUDNN (Percepatan GPU): Jika anda menggunakan Nvidiagpu, anda perlu memasang Cudatool

Python dan JavaScript mempunyai kelebihan dan kekurangan mereka sendiri dari segi komuniti, perpustakaan dan sumber. 1) Komuniti Python mesra dan sesuai untuk pemula, tetapi sumber pembangunan depan tidak kaya dengan JavaScript. 2) Python berkuasa dalam bidang sains data dan perpustakaan pembelajaran mesin, sementara JavaScript lebih baik dalam perpustakaan pembangunan dan kerangka pembangunan depan. 3) Kedua -duanya mempunyai sumber pembelajaran yang kaya, tetapi Python sesuai untuk memulakan dengan dokumen rasmi, sementara JavaScript lebih baik dengan MDNWebDocs. Pilihan harus berdasarkan keperluan projek dan kepentingan peribadi.

Membolehkan pecutan GPU pytorch pada sistem CentOS memerlukan pemasangan cuda, cudnn dan GPU versi pytorch. Langkah-langkah berikut akan membimbing anda melalui proses: Pemasangan CUDA dan CUDNN Tentukan keserasian versi CUDA: Gunakan perintah NVIDIA-SMI untuk melihat versi CUDA yang disokong oleh kad grafik NVIDIA anda. Sebagai contoh, kad grafik MX450 anda boleh menyokong CUDA11.1 atau lebih tinggi. Muat turun dan pasang Cudatoolkit: Lawati laman web rasmi Nvidiacudatoolkit dan muat turun dan pasang versi yang sepadan mengikut versi CUDA tertinggi yang disokong oleh kad grafik anda. Pasang Perpustakaan Cudnn:

Docker menggunakan ciri -ciri kernel Linux untuk menyediakan persekitaran berjalan yang cekap dan terpencil. Prinsip kerjanya adalah seperti berikut: 1. Cermin digunakan sebagai templat baca sahaja, yang mengandungi semua yang anda perlukan untuk menjalankan aplikasi; 2. Sistem Fail Kesatuan (Unionfs) menyusun pelbagai sistem fail, hanya menyimpan perbezaan, menjimatkan ruang dan mempercepatkan; 3. Daemon menguruskan cermin dan bekas, dan pelanggan menggunakannya untuk interaksi; 4. Ruang nama dan cgroups melaksanakan pengasingan kontena dan batasan sumber; 5. Pelbagai mod rangkaian menyokong interkoneksi kontena. Hanya dengan memahami konsep -konsep teras ini, anda boleh menggunakan Docker dengan lebih baik.

Apabila memilih versi pytorch di bawah CentOS, faktor utama berikut perlu dipertimbangkan: 1. Keserasian versi CUDA Sokongan GPU: Jika anda mempunyai NVIDIA GPU dan ingin menggunakan pecutan GPU, anda perlu memilih pytorch yang menyokong versi CUDA yang sepadan. Anda boleh melihat versi CUDA yang disokong dengan menjalankan arahan NVIDIA-SMI. Versi CPU: Jika anda tidak mempunyai GPU atau tidak mahu menggunakan GPU, anda boleh memilih versi CPU PyTorch. 2. Pytorch versi python

Penyimpanan Objek Minio: Penyebaran berprestasi tinggi di bawah CentOS System Minio adalah prestasi tinggi, sistem penyimpanan objek yang diedarkan yang dibangunkan berdasarkan bahasa Go, serasi dengan Amazons3. Ia menyokong pelbagai bahasa pelanggan, termasuk Java, Python, JavaScript, dan GO. Artikel ini akan memperkenalkan pemasangan dan keserasian minio pada sistem CentOS. Keserasian versi CentOS Minio telah disahkan pada pelbagai versi CentOS, termasuk tetapi tidak terhad kepada: CentOS7.9: Menyediakan panduan pemasangan lengkap yang meliputi konfigurasi kluster, penyediaan persekitaran, tetapan fail konfigurasi, pembahagian cakera, dan mini

Latihan yang diedarkan Pytorch pada sistem CentOS memerlukan langkah -langkah berikut: Pemasangan Pytorch: Premisnya ialah Python dan PIP dipasang dalam sistem CentOS. Bergantung pada versi CUDA anda, dapatkan arahan pemasangan yang sesuai dari laman web rasmi Pytorch. Untuk latihan CPU sahaja, anda boleh menggunakan arahan berikut: PipinstallToRchTorchVisionTorchaudio Jika anda memerlukan sokongan GPU, pastikan versi CUDA dan CUDNN yang sama dipasang dan gunakan versi pytorch yang sepadan untuk pemasangan. Konfigurasi Alam Sekitar Teragih: Latihan yang diedarkan biasanya memerlukan pelbagai mesin atau mesin berbilang mesin tunggal. Tempat
