Python 的「any」和「all」函數如何在列表理解中運作,為什麼會回傳「[False, False, False]」?
理解Python的any和all函數
Python的any和all是內建函數,它們評估可迭代物件並根據他們的真實性elements.
any
any如果迭代中至少有一個元素為 True(或數值非零),則傳回 True。它評估可迭代對象,直到遇到 True 值或所有元素都已耗盡。
all
all 僅當可迭代物件中的所有元素均為 True 時才傳回 True。如果 iterable 為空,則 all 傳回 True。它會繼續評估可迭代對象,直到遇到 False 值或檢查了所有元素。
真實性
理解真實性對於理解任何和所有元素的工作方式至關重要。在 Python 中,如果值不為零、空字串或 None(空),則將其視為 True。 Falsey 值包括 0、空容器和 False 本身。
您的程式碼
在您的程式碼中,您正在使用清單理解:
[any(x) and not all(x) for x in zip(*d['Drd2'])]
為了理解這個表達式,我們來理解這個表達式,我們來理解這個表達式打破它down:
- zip(*d['Drd2']):透過對d['Drd2'] 中不同清單中的對應元素進行分組以建立元組清單。
- for x in zip(*d['Drd2']): 迭代建立的清單中的元組元組。
- any(x):評估給定元組中的任何元素是否為 True。
- not all(x):評估給定元組中的所有元素是否為 True。
- and:結合前面表達式的結果。
為什麼False 是回傳
您的程式碼回傳[False, False, False],因為它檢查是否至少有一個值為True,同時對於元組清單中的每個元組,並非所有值都為True。由於 d['Drd2'] 中的元組具有相同的元素,因此每個元組的 all(x) 都為 True,而不是 all(x) 為 False。因此,對於每個元組,整體表達式變為 any(x) 且並非 all(x) 計算結果為 False。
以上是Python 的「any」和「all」函數如何在列表理解中運作,為什麼會回傳「[False, False, False]」?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。
