欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

淺談python的深淺拷貝以及fromkeys的用法

 更新時(shí)間:2019年03月08日 14:38:59   作者:small_caier  
這篇文章主要介紹了python的深淺拷貝以及fromkeys的用法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

1.join()的用法:使用前面的字符串.對(duì)后面的列表進(jìn)行拼接,拼接結(jié)果是一個(gè)字符串

# lst = ["alex","dsb",'wusir','xsb']
# s = "".join(lst)
# print(s) #alexdsbwusirxsb

2.split()  根據(jù)你給的參數(shù)進(jìn)行切割,切割的結(jié)果就是列表
需要把字符串轉(zhuǎn)換成列表 split
把列表轉(zhuǎn)化為字符串 join

# s = "alex_dsb_wusir_xsb"
# lst = s.split("_") #列表
# print(lst)

3.join的迭代拼接

# print("*".join("周潤(rùn)發(fā)")) #用迭代的方式進(jìn)行拼接
# #周*潤(rùn)*發(fā)

4.刪除操作

# lst = ["籃球","排球","乒乓球","足球","電子競(jìng)技","臺(tái)球"]
# for el in lst:
# lst.remove(el)
# print(lst)#['排球', '足球', '臺(tái)球']

會(huì)發(fā)現(xiàn)刪不干凈 原因是:刪除一個(gè).元素的索引重新排序,for循環(huán)向后走一個(gè),就漏掉一個(gè)
刪掉了索引是0的元素,然后索引是1的元素補(bǔ)充到索引為0的位置上,然后索引指向1,
就漏掉了以前的索引為1的元素 因?yàn)樗饕秊橐坏脑卦诘诙窝h(huán)的時(shí)候已經(jīng)掉到了索引0的位置
正確的刪除操作:

#lst = ["籃球","排球","乒乓球","足球","電子競(jìng)技","臺(tái)球"]
# for i in range(len(lst)): #0,1,2,3,4
# lst.pop(0)
# print(lst) #[] #永遠(yuǎn)刪索引是0元素
# for i in range(len(lst)):
# lst.pop()
# print(lst) #[] #從最后一個(gè)刪

最合理的刪除方法:
1,先把需要?jiǎng)h除的元素寫(xiě)在一個(gè)新的列表中
2.循環(huán)這個(gè)新列表,刪除老列表

5.fromkeys()用法
fromkeys() 幫我們創(chuàng)建字典用
# 把第一個(gè)參數(shù)進(jìn)行迭代 拿到的每一項(xiàng)作為key和后面的value組成字典

# d = dict.fromkeys("張無(wú)忌","趙敏") #創(chuàng)建字典
# print(d)#{'張': '趙敏', '無(wú)': '趙敏', '忌': '趙敏'}

坑 1
# 返回新字典,和原來(lái)的字典沒(méi)有關(guān)系

# dic = {}
# d = dic.fromkeys("風(fēng)扇哥","很困")
# print(dic)# {}
# print(d)#{'風(fēng)': '很困', '扇': '很困', '哥': '很困'}

# 坑2

# 如果value是可變的數(shù)據(jù)類(lèi)型,
# 那么其中一個(gè)key對(duì)應(yīng)的value執(zhí)行更改操作,其他的也跟著改變

d = dict.fromkeys("胡辣湯",[])
print(d)#{'胡': [], '辣': [], '湯': []}
# print(id(d["胡"]))#1797375051912
# print(id(d["辣"]))#1797375051912
# print(id(d["湯"]))#1797375051912
#說(shuō)明這幾個(gè)還是同一個(gè)[] 所以對(duì)其中一個(gè)進(jìn)行改變別的也進(jìn)行相應(yīng)的改變
# d["胡"] .append("湖南特色")
# print(d)#{'胡': ['湖南特色'], '辣': ['湖南特色'], '湯': ['湖南特色']}

6.深淺拷貝
先來(lái)看一下這個(gè)問(wèn)題
從上到下只有一個(gè)列表創(chuàng)建

# lst1 = ["胡辣湯","麻辣香鍋","灌湯包","油潑面"]
# lst2 = lst1 #并沒(méi)有產(chǎn)生新對(duì)象.只是一個(gè)指向(內(nèi)存地址)的賦值
# print(id(lst1))#2253612239048
# print(id(lst2))#2253612239048
# lst1.append("葫蘆娃")
# print(lst1)#['胡辣湯', '麻辣香鍋', '灌湯包', '油潑面', '葫蘆娃']
# print(lst2)#['胡辣湯', '麻辣香鍋', '灌湯包', '油潑面', '葫蘆娃']

用圖來(lái)解釋

# lst1 = ["胡辣湯","麻辣香鍋","灌湯包","油潑面"]
# lst2 = lst1.copy() #拷貝,抄作業(yè),可以幫我們創(chuàng)建新的對(duì)象,和原來(lái)一模一樣,淺拷貝
# print(id(lst1))#2232732993736
# print(id(lst2))#2232732993672
#
# lst1.append("葫蘆娃")
# print(lst1)
# print(lst2)

用圖來(lái)解釋

# lst1 = ["胡辣湯", "灌湯包", "油潑面", "麻辣香鍋", ["長(zhǎng)白山", "白洋淀", "黃鶴樓"]]
# lst2 = lst1.copy() #淺拷貝,只拷貝第一層內(nèi)容
#
# print(id(lst1))#1199044806792
# print(id(lst2))#1199044806984
# print(lst1)
# print(lst2)
#
# lst1[4].append("葫蘆娃")
# print(lst1)
# print(lst2)

用圖來(lái)解釋

#深拷貝 需要引入一個(gè)模塊
import copy

lst1 = ["胡辣湯", "灌湯包", "油潑面", "麻辣香鍋", ["長(zhǎng)白山", "白洋淀", "黃鶴樓"]]
lst2 = copy.deepcopy(lst1)#深拷貝 對(duì)象內(nèi)部的所有內(nèi)容都要復(fù)制一份.深度克隆 原型模式
print(id(lst1))#2150506176840
print(id(lst2))#2150506178120

print(lst1)#['胡辣湯', '灌湯包', '油潑面', '麻辣香鍋', ['長(zhǎng)白山', '白洋淀', '黃鶴樓']]
print(lst2)#['胡辣湯', '灌湯包', '油潑面', '麻辣香鍋', ['長(zhǎng)白山', '白洋淀', '黃鶴樓']]
lst1[4].append("葫蘆娃")
print(lst1)#['胡辣湯', '灌湯包', '油潑面', '麻辣香鍋', ['長(zhǎng)白山', '白洋淀', '黃鶴樓', '葫蘆娃']]
print(lst2)#['胡辣湯', '灌湯包', '油潑面', '麻辣香鍋', ['長(zhǎng)白山', '白洋淀', '黃鶴樓']]

用圖來(lái)解釋

 

為什么要有深淺拷貝?
提高創(chuàng)建速度  計(jì)算機(jī)中最慢的就是創(chuàng)建對(duì)象,需要分配內(nèi)存各種事情
最快的方式就是以二進(jìn)制流的方式進(jìn)行復(fù)制 速度最快

以上所述是小編給大家介紹的python的深淺拷貝以及fromkeys的用法詳解整合,希望對(duì)大家有所幫助,如果大家有任何疑問(wèn)請(qǐng)給我留言,小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持!

相關(guān)文章

  • 深入了解Python中的變量

    深入了解Python中的變量

    這篇文章主要為大家介紹了Python的變量,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來(lái)幫助
    2021-12-12
  • 使用 PyTorch 實(shí)現(xiàn) MLP 并在 MNIST 數(shù)據(jù)集上驗(yàn)證方式

    使用 PyTorch 實(shí)現(xiàn) MLP 并在 MNIST 數(shù)據(jù)集上驗(yàn)證方式

    今天小編就為大家分享一篇使用 PyTorch 實(shí)現(xiàn) MLP 并在 MNIST 數(shù)據(jù)集上驗(yàn)證方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2020-01-01
  • 利用python批量給云主機(jī)配置安全組的方法教程

    利用python批量給云主機(jī)配置安全組的方法教程

    這篇文章主要給大家介紹了利用python批量給云主機(jī)配置安全組的方法教程,文中介紹的非常詳細(xì),對(duì)大家具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面跟著小編一起來(lái)學(xué)習(xí)學(xué)習(xí)吧。
    2017-06-06
  • 分步驟教你用python一步步提取PPT中的圖片

    分步驟教你用python一步步提取PPT中的圖片

    今天要帶大家實(shí)現(xiàn)的是PPT圖片的提取。在我們學(xué)習(xí)工作中,PPT的使用還是非常頻繁的,但是自己做PPT是很麻煩的,所以就需要用到別人的模板或者素材,這個(gè)時(shí)候提取PPT圖片就可以減少我們很多工作。
    2021-09-09
  • python如何把嵌套列表轉(zhuǎn)變成普通列表

    python如何把嵌套列表轉(zhuǎn)變成普通列表

    這篇文章主要為大家詳細(xì)介紹了python如何把嵌套列表轉(zhuǎn)變成普通列表,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2018-03-03
  • pytorch中LN(LayerNorm)及Relu和其變相的輸出操作

    pytorch中LN(LayerNorm)及Relu和其變相的輸出操作

    這篇文章主要介紹了pytorch中LN(LayerNorm)及Relu和其變相的輸出操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2021-05-05
  • Python多任務(wù)版靜態(tài)Web服務(wù)器實(shí)現(xiàn)示例

    Python多任務(wù)版靜態(tài)Web服務(wù)器實(shí)現(xiàn)示例

    這篇文章主要為大家介紹了Python靜態(tài)Web服務(wù)器多任務(wù)版實(shí)現(xiàn)示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2022-06-06
  • 使用TensorFlow實(shí)現(xiàn)二分類(lèi)的方法示例

    使用TensorFlow實(shí)現(xiàn)二分類(lèi)的方法示例

    這篇文章主要介紹了使用TensorFlow實(shí)現(xiàn)二分類(lèi)的方法示例,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧
    2019-02-02
  • pandas中聚合函數(shù)agg的具體用法

    pandas中聚合函數(shù)agg的具體用法

    Pandas中的的agg()函數(shù)為aggregate的縮寫(xiě).總數(shù)、合計(jì)、聚合的意思.是一個(gè)功能非常強(qiáng)大的函數(shù).在Pandas中可以利用agg()對(duì)Series、DataFrame以及groupby()后的結(jié)果進(jìn)行聚合操作,下面這篇文章主要給大家介紹了關(guān)于pandas中聚合函數(shù)agg的具體用法,需要的朋友可以參考下
    2022-07-07
  • 解決Python下json.loads()中文字符出錯(cuò)的問(wèn)題

    解決Python下json.loads()中文字符出錯(cuò)的問(wèn)題

    今天小編就為大家分享一篇解決Python下json.loads()中文字符出錯(cuò)的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-12-12

最新評(píng)論