


Mampatkan senarai saiz yang berbeza dalam Python
Pengenalan
Dalam Python, senarai ialah salah satu kaedah yang digunakan secara meluas untuk menyimpan nilai angka atau rentetan. Ia boleh berubah dan ditakrifkan dengan menggunakan kurungan segi empat sama []. Senarai jenis ini boleh mengandungi elemen yang berbeza, yang boleh mempunyai jenis data yang berbeza. Kadangkala kita mungkin perlu memampatkan senarai yang berbeza dalam Python untuk tujuan prapemprosesan data.
Dalam artikel ini, kami akan membincangkan operasi mampatan pada senarai dan cara memampatkan senarai saiz yang berbeza dalam Python menggunakan kaedah dan teknik yang berbeza. Artikel ini akan membantu seseorang memahami operasi mampatan senarai dan membantu seseorang melakukan operasi yang sama jika perlu.
Sekarang mari kita mula membincangkan senarai dan operasi pemampatannya.
Mampatan senarai
Seperti yang kita sedia maklum, senarai ialah cara biasa untuk menyimpan elemen, yang boleh mengandungi nilai angka atau rentetan. Ia adalah jenis boleh ubah yang biasa digunakan apabila bekerja dengan set data apabila menggunakan Python.
Operasi mampatan senarai bermakna kami sebenarnya memampatkan dua senarai berbeza, atau lebih mudah, kami sedang menggandingkan nilai dua senarai berbeza.
Untuk menjelaskan idea di sebaliknya, mari kita ambil contoh. Katakan kami mempunyai dua senarai:
L1 = [1,2,3]
L2 = [‘satu’, ‘dua’, ‘tiga’]
Seperti yang dapat kita lihat di atas, kita mempunyai dua senarai berbeza dan sebaik sahaja kita melakukan operasi mampatan padanya, outputnya ialah:
Senarai_Zip = [(1, ‘satu’), (2, ‘dua’), (3, ‘tiga’)]
Sekarang mari kita bincangkan kes penggunaan senarai mampat dalam Python.
Permohonan untuk memampatkan senarai
Memampatkan dua senarai berbeza dengan saiz yang sama atau saiz yang berbeza boleh membantu dalam banyak situasi. Jom bincang:
Perwakilan Kamus: Kendalian mampatan pada dua senarai berbeza boleh membantu kami membuat atau mewakili senarai sebagai kamus. Kita boleh melakukan perkara yang sama dengan mendapatkan senarai yang mengandungi kunci dan senarai lain yang mengandungi nilai kamus.
Pemprosesan data: Dalam sesetengah kes, untuk meneruskan melaksanakan tugas, pemprosesan data diperlukan dan senarai biasa mungkin diperlukan dan bukannya begitu banyak senarai yang berbeza. Dalam kes ini, operasi mampatan boleh sangat membantu.
Lelaran Data: Operasi mampatan juga boleh digunakan apabila anda ingin melelakan elemen senarai dan ingin melakukan beberapa operasi padanya.
Senarai Mampat
Terdapat banyak cara untuk memampatkan senarai yang berbeza, mari bincangkan beberapa daripadanya.
Kaedah 1: Menggunakan Untuk Gelung dan Penghitungan
Menggunakan untuk gelung dengan penghitungan ialah salah satu cara paling mudah untuk memampatkan dua senarai saiz yang berbeza.
# 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))
Seperti yang kita lihat dalam kod di atas, kami memasukkan dua senarai berbeza, Senarai 1 dan Senarai 2, yang mempunyai saiz yang berbeza.
Mula-mula kami mencetak senarai asal dan kemudian menjalankan gelung for menggunakan fungsi penghitungan yang akan menambahkan elemen senarai dan memampatkan kedua-dua senarai.
Output
Keluaran kod berikut ialah:
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)]
Kaedah 2: Gunakan kaedah Zip()
Menggunakan kata kunci Zip() juga boleh membantu kami memampatkan dua senarai saiz yang berbeza. Di sini kita boleh menggunakan kata kunci tertentu dalam gelung.
# 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)
Seperti yang dapat kita lihat dalam kod di atas, kita mempunyai dua senarai berbeza dengan saiz yang berbeza dan kami menggunakan zip() untuk menambahkan elemen senarai dan memampatkan senarai.
Output
Keluaran kod berikut ialah:
[(1, 'one'), (2, 'two'), (3, 'three'), (4, 'four')]
Kaedah 3: Gunakan Itertools
Ini adalah salah satu cara klasik untuk memampatkan dua senarai saiz yang berbeza. Di sini kami akan menggunakan Itertools untuk memampatkan senarai.
# 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))
Seperti yang kita dapat lihat dalam kod di atas, perpustakaan itertools telah pun dipasang dan gelung diimport daripadanya.
Kemudian kami menentukan dua senarai saiz yang berbeza dan mencetak senarai yang sama. Seterusnya, gelung digunakan untuk memampatkan senarai dengan menghantar kedua-dua senarai ke dalam senarai yang sama.
Output
Keluaran kod ini ialah:
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)]
Kesimpulan
Dalam artikel ini, kami membincangkan senarai, apakah operasi mampatan untuk senarai, apakah aplikasi yang sama dan cara memampatkan dua senarai saiz berbeza dalam Python.
Kami telah membincangkan sejumlah 3 kaedah yang mana anda boleh memampatkan senarai dalam Python dan sesiapa sahaja boleh memampatkan senarai mengikut penyataan dan keperluan masalah. Artikel ini akan membantu seseorang memahami operasi mampatan senarai dan membantu seseorang melakukan perkara yang sama apabila diperlukan.
Atas ialah kandungan terperinci Mampatkan senarai saiz yang berbeza dalam Python. 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.

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.

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

Apabila memasang pytorch pada sistem CentOS, anda perlu dengan teliti memilih versi yang sesuai dan pertimbangkan faktor utama berikut: 1. Keserasian Persekitaran Sistem: Sistem Operasi: Adalah disyorkan untuk menggunakan CentOS7 atau lebih tinggi. CUDA dan CUDNN: Versi Pytorch dan versi CUDA berkait rapat. Sebagai contoh, Pytorch1.9.0 memerlukan CUDA11.1, manakala Pytorch2.0.1 memerlukan CUDA11.3. Versi CUDNN juga mesti sepadan dengan versi CUDA. Sebelum memilih versi PyTorch, pastikan anda mengesahkan bahawa versi CUDA dan CUDNN yang serasi telah dipasang. Versi Python: Cawangan Rasmi Pytorch

Mengemas kini Pytorch ke versi terkini di CentOS boleh mengikuti langkah -langkah berikut: Kaedah 1: Mengemas kini PIP dengan PIP: Mula -mula pastikan PIP anda adalah versi terkini, kerana versi lama PIP mungkin tidak dapat memasang versi terkini PYTORCH. pipinstall-upgradepip uninstalls versi lama pytorch (jika dipasang): pemasangan pipuninstalltorchtorchvisionTorchaudio terkini
