2021-11-04py2

本文通过实战演示了Python中列表、字典和集合的基本操作,包括列表的元素增删改查、字典的合并及元素获取、集合的创建与转换等,是Python初学者和进阶者快速掌握数据结构操作技巧的实用指南。

Py2
1.定义一个列表:[1, 2, 3]
a.向列表中结尾增加一个元素4
b.在列表中元素4之前插入7
c.定义另一个列表2:[11, 12, 13], 用列表1去和并列表2
d.弹出(remove and return)7这个元素
e.倒序列表
d.对列表进行排序
2.定义一个字典:{“zhangsan”: 18, “lisi”: 20}
a.向字典中添加一个元素 wangwu: 31
b.访问字典中的元素: 访问key为sunwukong, 且程序不能出错
c.定义一个字典2{“sunwukong”: 28}, 用字典去合并字典2
d.获取字典所有的item: key和value
e.获取字典的所有keys
f.获取字典的所有values
h.弹出字典的item
3.集合
a.定义一个空集合
b.将列表[1, 2, 3, 4, 5, 4, 3, 2, 1]转换为set
c.将字符串"12321"转成集合
d.将字节b’123321’转成集合

代码:
“”"
1.定义一个列表:[1, 2, 3]
a.向列表中结尾增加一个元素4
b.在列表中元素4之前插入7
c.定义另一个列表2:[11, 12, 13], 用列表1去和并列表2
d.弹出(remove and return)7这个元素
e.倒序列表
d.对列表进行排序
“”"
list_data = [1, 2, 3] # 定义一个列表:[1, 2, 3]
print(list_data)
list_data.append(4) # a.向列表中结尾增加一个元素4
list_data.insert(3, 7) # b.在列表中元素4之前插入7
print(list_data)
list_data1 = [11, 12, 13] # 定义另一个列表2:[11, 12, 13],
list_data.extend(list_data1) # 用列表1去和并列表2
print(list_data)
list_data.pop(3) # d.弹出(remove and return)7这个元素
print(list_data)
list_data.reverse() # e.倒序列表
print(list_data)
list_data.sort() # d.对列表进行排序
print(list_data)

“”"
在这里插入图片描述

2.定义一个字典:{“zhangsan”: 18, “lisi”: 20}
a.向字典中添加一个元素 wangwu: 31
b.访问字典中的元素: 访问key为sunwukong, 且程序不能出错
c.定义一个字典2{“sunwukong”: 28}, 用字典去合并字典2
d.获取字典所有的item: key和value
e.获取字典的所有keys
f.获取字典的所有values
h.弹出字典的item
“”"
dict_data = {“zhangsan”: 18, “lisi”: 20} # 定义一个字典:{“zhangsan”: 18, “lisi”: 20}
print(dict_data)
dict_data[“wangwu”] = 31 # a.向字典中添加一个元素 wangwu: 31
print(dict_data)
print(dict_data.get(“sunwukong”)) # b.访问字典中的元素: 访问key为sunwukong, 且程序不能出错
dict_data1 = {“sunwukong”: 28} # c.定义一个字典2{“sunwukong”: 28}
dict_data.update(dict_data1) # 用字典去合并字典2
print(dict_data)
print(dict_data.items()) # 获取字典所有的item: key和value
print(dict_data.keys()) # 获取字典的所有keys
print(dict_data.values()) # f.获取字典的所有values
print(dict_data.popitem()) # h.弹出字典的item
“”"
在这里插入图片描述

3.集合
a.定义一个空集合
b.将列表[1, 2, 3, 4, 5, 4, 3, 2, 1]转换为set
c.将字符串"12321"转成集合
d.将字节b’123321’转成集合
“”"
set_data = {} # a.定义一个空集合
print(set_data)
list_data = [1, 2, 3, 4, 5, 4, 3, 2, 1]
set_data = set(list_data) # b.将列表[1, 2, 3, 4, 5, 4, 3, 2, 1]转换为set
print(set_data, type(set_data))
str_data = “12321”
set_data1 = set(str_data)
print(set_data1, type(set_data1)) # c.将字符串"12321"转成集合
bytes_data = b’123321’
set_data2 = set(bytes_data) # d.将字节b’123321’转成集合
print(set_data2, type(set_data2))
在这里插入图片描述

name: UB-GOLD channels: - conda-forge - defaults dependencies: - brotli=1.1.0=h2466b09_3 - brotli-bin=1.1.0=h2466b09_3 - bzip2=1.0.8=h2bbff1b_6 - ca-certificates=2025.6.15=h4c7d964_0 - cairo=1.18.0=h1fef639_0 - chardet=5.2.0=pyhd8ed1ab_3 - contourpy=1.3.2=py310hc19bc0b_0 - cudatoolkit=11.8.0=h09e9e62_13 - cycler=0.12.1=pyhd8ed1ab_1 - expat=2.7.1=h8ddb27b_0 - faiss=1.9.0=py310cuda118h41c283c_0_cuda - faiss-gpu=1.9.0=hef1f8eb_0 - font-ttf-dejavu-sans-mono=2.37=hab24e00_0 - font-ttf-inconsolata=3.000=h77eed37_0 - font-ttf-source-code-pro=2.038=h77eed37_0 - font-ttf-ubuntu=0.83=h77eed37_3 - fontconfig=2.14.2=hbde0cde_0 - fonts-conda-ecosystem=1=0 - fonts-conda-forge=1=0 - fonttools=4.58.5=py310hdb0e946_0 - freetype=2.12.1=hdaf720e_2 - freetype-py=2.3.0=pyhd8ed1ab_0 - greenlet=3.2.3=py310h9e98ed7_0 - icu=73.2=h63175ca_0 - intel-openmp=2024.2.1=h57928b3_1083 - kiwisolver=1.4.8=py310he9f1925_1 - lcms2=2.16=h67d730c_0 - lerc=4.0.0=h6470a55_1 - libblas=3.9.0=32_h641d27c_mkl - libboost=1.84.0=h9a677ad_3 - libboost-python=1.84.0=py310h3e8ed56_7 - libbrotlicommon=1.1.0=h2466b09_3 - libbrotlidec=1.1.0=h2466b09_3 - libbrotlienc=1.1.0=h2466b09_3 - libcblas=3.9.0=32_h5e41251_mkl - libdeflate=1.20=hcfcfb64_0 - libfaiss=1.9.0=cuda118h51f90d9_0_cuda - libffi=3.4.4=hd77b12b_1 - libglib=2.80.2=h0df6a38_0 - libhwloc=2.11.2=default_hc8275d1_1000 - libiconv=1.18=h135ad9c_1 - libintl=0.22.5=h5728263_3 - libjpeg-turbo=3.1.0=h2466b09_0 - liblapack=3.9.0=32_h1aa476e_mkl - libpng=1.6.43=h19919ed_0 - libtiff=4.6.0=hddb2be6_3 - libwebp-base=1.5.0=h3b0e114_0 - libxcb=1.15=hcd874cb_0 - libxml2=2.12.7=h283a6d9_1 - libzlib=1.2.13=h2466b09_6 - m2w64-gcc-libgfortran=5.3.0=6 - m2w64-gcc-libs=5.3.0=7 - m2w64-gcc-libs-core=5.3.0=7 - m2w64-gmp=6.1.0=2 - m2w64-libwinpthread-git=5.0.0.4634.697f757=2 - matplotlib-base=3.10.1=py310h37e0a56_0 - mkl=2024.2.2=h66d3029_15 - msys2-conda-epoch=20160418=1 - munkres=1.1.4=pyhd8ed1ab_1 - openjpeg=2.5.2=h3d672ee_0 - openssl=3.5.1=h725018a_0 - packaging=25.0=pyh29332c3_1 - pandas=2.1.4=py310hecd3228_0 - pcre2=10.43=h17e33f8_0 - pixman=0.46.2=had0cd8c_0 - pthread-stubs=0.4=hcd874cb_1001 - pthreads-win32=2.9.1=h2466b09_4 - pycairo=1.27.0=py310hb6096a9_0 - pyparsing=3.2.3=pyhd8ed1ab_1 - python=3.10.18=h981015d_0 - python-dateutil=2.9.0.post0=pyhe01879c_2 - python-tzdata=2025.2=pyhd8ed1ab_0 - python_abi=3.10=2_cp310 - pytz=2025.2=pyhd8ed1ab_0 - qhull=2020.2=hc790b64_5 - rdkit=2023.09.6=py310he5583f7_2 - reportlab=4.4.1=py310ha8f682b_0 - rlpycairo=0.2.0=pyhd8ed1ab_0 - setuptools=78.1.1=py310haa95532_0 - six=1.17.0=pyhd8ed1ab_0 - sqlalchemy=2.0.41=py310ha8f682b_0 - sqlite=3.45.3=h2bbff1b_0 - tbb=2021.13.0=h62715c5_1 - tk=8.6.14=h5e9d12e_1 - typing_extensions=4.14.1=pyhe01879c_0 - tzdata=2025b=h04d1e81_0 - ucrt=10.0.22621.0=h57928b3_1 - unicodedata2=16.0.0=py310ha8f682b_0 - vc=14.42=haa95532_5 - vc14_runtime=14.44.35208=h818238b_26 - vs2015_runtime=14.44.35208=h38c0c73_26 - wheel=0.45.1=py310haa95532_0 - xorg-libxau=1.0.11=hcd874cb_0 - xorg-libxdmcp=1.1.3=hcd874cb_0 - xz=5.6.4=h4754444_1 - zlib=1.2.13=h2466b09_6 - zstd=1.5.6=h0ea2cb4_0 - pip: - addict==2.4.0 - annotated-types==0.7.0 - beautifulsoup4==4.13.4 - certifi==2025.6.15 - charset-normalizer==3.4.2 - colorama==0.4.6 - cython==3.1.2 - dgl==2.2.1+cu121 - filelock==3.13.1 - fsspec==2024.6.1 - future==1.0.0 - gdown==5.2.0 - grakel==0.1.10 - idna==3.10 - jinja2==3.1.4 - joblib==1.5.1 - littleutils==0.2.4 - markupsafe==2.1.5 - mmcv-full==1.7.2 - mpmath==1.3.0 - munch==4.0.0 - networkx==3.3 - numpy==1.23.5 - ogb==1.3.6 - opencv-python==4.12.0.88 - outdated==0.2.2 - pillow==11.0.0 - pip==25.1.1 - platformdirs==4.3.8 - psutil==7.0.0 - pydantic==2.11.7 - pydantic-core==2.33.2 - pygcl==0.1.2 - pysocks==1.7.1 - pyyaml==6.0.2 - regex==2024.11.6 - requests==2.32.4 - scikit-learn==1.5.1 - scipy==1.15.3 - seaborn==0.13.2 - soupsieve==2.7 - sympy==1.13.3 - texttable==1.7.0 - threadpoolctl==3.6.0 - tomli==2.2.1 - torch==2.1.2+cu121 - torch-cluster==1.6.3+pt21cu121 - torch-geometric==2.4.0 - torch-scatter==2.1.2+pt21cu121 - torch-sparse==0.6.18+pt21cu121 - torch-spline-conv==1.2.2+pt21cu121 - torchdata==0.7.1 - tqdm==4.67.1 - typing-extensions==4.12.2 - typing-inspection==0.4.1 - urllib3==2.5.0 - yapf==0.43.0 prefix:D:\All-App\Anaconda3\envs\UB-GOLD上面是我想用anaconda移植到本地系统的environment.yml文件,里面有一些文件的格式 比如 - torch-cluster==1.6.3+pt21cu121是错的,麻烦帮忙修改一下,还有就是cuda版本应为12.1麻烦统一一下
最新发布
07-10
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值