Python - penghirisan terbalik elemen K
Penghirisan terbalik ditakrifkan dengan mencipta hirisan bermula dengan panjang rentetan dan berakhir dengan indeks ke-0. Untuk membalikkan elemen senarai, ia akan menggunakan notasi nilai negatif dan kita boleh mendapatkan susunan terbalik bagi elemen senarai asal. Dalam Python, kami mempunyai beberapa fungsi terbina seperti append(), len() dan range() yang akan digunakan untuk menyelesaikan kepingan terbalik elemen K.
Tatabahasa
Sintaks berikut digunakan dalam contoh -
append()
Kaedah terbina dalam Python ini boleh digunakan untuk menambah elemen pada penghujung senarai.
len()
Fungsi terbina dalam len() digunakan untuk mengembalikan panjang objek.
range()
range() ialah fungsi terbina dalam Python yang mengembalikan urutan nombor berdasarkan julat yang diberikan.
reversed()
reverse() ialah fungsi terbina dalam Python yang mengembalikan elemen senarai yang diberikan dalam susunan terbalik.
Guna hirisan
Dalam contoh di bawah, kami akan memulakan program menggunakan fungsi yang dipanggil rev_slice yang menerima parameter r_list dan k untuk menerima nilai input. Seterusnya, menggunakan notasi penghirisan, terbalikkan elemen berdasarkan nilai K dan dapatkan hasil yang diingini.
Contoh
def rev_slice(r_list, k): return r_list[-k:][::-1] test_list = [2, 4, 20, 40, 60, 80] k = 2 output = rev_slice(test_list, k) print("The reverse slice based on the K element:\n", output)
Output
The reverse slice based on the K element: [80, 60]
Guna reverse()
Dalam contoh di bawah, kami akan menggunakan fungsi rekursif yang memanggil dirinya sendiri apabila diperlukan. Seterusnya, gunakan fungsi terbina dalam reverse() yang menerima parameter -t_list[-k:] untuk membalikkan semua elemen borang senarai.
Contoh
def rev_slice(t_list, k): return list(reversed(t_list[-k:])) test_list = [1, 2, 3, 4, 5] # Initialize the K value k = 2 # Calling function output = rev_slice(test_list, k) print("The following K element reverse:", output)
Output
The following K element reverse: [5, 4]
Gunakan pemahaman senarai
Dalam contoh di bawah, atur cara menggunakan pemahaman senarai yang menggunakan gelung for di mana pembolehubah i melelang ke atas senarai input dan memudahkan jujukan indeks dari mula hingga akhir menggunakan julat fungsi terbina dalam(). Untuk membalikkan elemen K, ia menggunakan tatatanda hirisan [::-1].
Contoh
def rev_slice(t_list, k): return [t_list[i] for i in range(len(t_list) - k, len(t_list))][::-1] test_list = [2, 4, 20, 40, 11, 12] k = 4 res = rev_slice(test_list, k) print("The K reverse element are-",res)
Output
The K reverse element are- [12, 11, 40, 20]
Gunakan julat() dan tambah()
Dalam contoh berikut, kami akan memulakan program menggunakan fungsi rekursif rev_slice(), yang menerima dua parameter - t_list dan k, yang akan menerima elemen senarai input dan nilai k untuk memproses penghirisan terbalik. Seterusnya, gunakan senarai kosong dalam pembolehubah reversed_slice untuk menyimpan hasil akhir. Kemudian gunakan gelung for di mana pembolehubah i berulang pada senarai input dengan bantuan beberapa fungsi terbina dalam seperti julat() dan len(). Teruskan kembali ke reversed_slice untuk mendapatkan elemen senarai tertentu.
Contoh
def rev_slice(t_list, k): reversed_slice = [] for i in range(len(t_list) - 1, len(t_list) - k - 1, -1): reversed_slice.append(t_list[i]) return reversed_slice test_list = [10, 20, 30, 40, 50, 60, 70, 80] k = 3 res = rev_slice(test_list, k) print("Following K reverse element:", res)
Output
Following K reverse element: [80, 70, 60]
Kesimpulan
Kami meneroka penghirisan terbalik elemen K dalam Python, yang menyediakan cara mudah untuk mendapatkan subset senarai. Ia digunakan untuk memproses set data yang besar, mengekstrak bahagian tepat senarai dalam susunan terbalik. Kod jenis ini menyelesaikan tugas khusus yang memerlukan analisis data dalam cara terbalik.
Atas ialah kandungan terperinci Python - penghirisan terbalik elemen K. 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

Tutorial ini menunjukkan cara menggunakan Python untuk memproses konsep statistik undang -undang ZIPF dan menunjukkan kecekapan membaca dan menyusun fail teks besar Python semasa memproses undang -undang. Anda mungkin tertanya -tanya apa maksud pengedaran ZIPF istilah. Untuk memahami istilah ini, kita perlu menentukan undang -undang Zipf. Jangan risau, saya akan cuba memudahkan arahan. Undang -undang Zipf Undang -undang Zipf hanya bermaksud: Dalam korpus bahasa semulajadi yang besar, kata -kata yang paling kerap berlaku muncul kira -kira dua kali lebih kerap sebagai kata -kata kerap kedua, tiga kali sebagai kata -kata kerap ketiga, empat kali sebagai kata -kata kerap keempat, dan sebagainya. Mari kita lihat contoh. Jika anda melihat corpus coklat dalam bahasa Inggeris Amerika, anda akan melihat bahawa perkataan yang paling kerap adalah "th

Berurusan dengan imej yang bising adalah masalah biasa, terutamanya dengan telefon bimbit atau foto kamera resolusi rendah. Tutorial ini meneroka teknik penapisan imej di Python menggunakan OpenCV untuk menangani isu ini. Penapisan Imej: Alat yang berkuasa Penapis Imej

Artikel ini menerangkan cara menggunakan sup yang indah, perpustakaan python, untuk menghuraikan html. Ia memperincikan kaedah biasa seperti mencari (), find_all (), pilih (), dan get_text () untuk pengekstrakan data, pengendalian struktur dan kesilapan HTML yang pelbagai, dan alternatif (sel

Artikel ini membandingkan tensorflow dan pytorch untuk pembelajaran mendalam. Ia memperincikan langkah -langkah yang terlibat: penyediaan data, bangunan model, latihan, penilaian, dan penempatan. Perbezaan utama antara rangka kerja, terutamanya mengenai grap pengiraan

Python, kegemaran sains dan pemprosesan data, menawarkan ekosistem yang kaya untuk pengkomputeran berprestasi tinggi. Walau bagaimanapun, pengaturcaraan selari dalam Python memberikan cabaran yang unik. Tutorial ini meneroka cabaran -cabaran ini, memberi tumpuan kepada Interprete Global

Tutorial ini menunjukkan mewujudkan struktur data saluran paip tersuai di Python 3, memanfaatkan kelas dan pengendali yang berlebihan untuk fungsi yang dipertingkatkan. Fleksibiliti saluran paip terletak pada keupayaannya untuk menggunakan siri fungsi ke set data, GE

Serialization dan deserialization objek Python adalah aspek utama dari mana-mana program bukan remeh. Jika anda menyimpan sesuatu ke fail python, anda melakukan siri objek dan deserialization jika anda membaca fail konfigurasi, atau jika anda menjawab permintaan HTTP. Dalam erti kata, siri dan deserialization adalah perkara yang paling membosankan di dunia. Siapa yang peduli dengan semua format dan protokol ini? Anda mahu berterusan atau mengalirkan beberapa objek python dan mengambilnya sepenuhnya pada masa yang akan datang. Ini adalah cara yang baik untuk melihat dunia pada tahap konseptual. Walau bagaimanapun, pada tahap praktikal, skim siri, format atau protokol yang anda pilih boleh menentukan kelajuan, keselamatan, kebebasan status penyelenggaraan, dan aspek lain dari program

Modul Statistik Python menyediakan keupayaan analisis statistik data yang kuat untuk membantu kami dengan cepat memahami ciri -ciri keseluruhan data, seperti biostatistik dan analisis perniagaan. Daripada melihat titik data satu demi satu, cuma melihat statistik seperti min atau varians untuk menemui trend dan ciri dalam data asal yang mungkin diabaikan, dan membandingkan dataset besar dengan lebih mudah dan berkesan. Tutorial ini akan menjelaskan cara mengira min dan mengukur tahap penyebaran dataset. Kecuali dinyatakan sebaliknya, semua fungsi dalam modul ini menyokong pengiraan fungsi min () dan bukan hanya menjumlahkan purata. Nombor titik terapung juga boleh digunakan. Import secara rawak Statistik import dari fracti
