python基础,序列类型自带方法
1.基本数据类型 int float bool complex
2.+ - * / // % **
3.序列类型 str list tuple
4.索引 、切片 、步长
5.赋值运算、 in not in
6.可变 不可变 str tuple
列表
>>> li=[1,2,3,4]
>>> li
[1, 2, 3, 4]
>>> dir(li) #查看对象的属性,和方法。
['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
>>> li.count(1) #统计出现次数
1
>>> li.index(1) #返回list中,第一次出现的该元素的索引
0
>>> li.insert(0,0) #将元素插入到,指定的索引位子
>>> li
[0, 1, 2, 3, 4]
>>> li.pop() #默认弹出最后一个元素 [ ],可写,可不写
4
>>> li
[0, 1, 2, 3]
>>> li.remove(2) #指定删除
>>> li
[0, 1, 3]
>>> li.reverse() #将list 反转
>>> li
[3, 1, 0]
>>> li.sort() #默认按 ASCII排序
>>> li
[0, 1, 3]
>>> lis1=li.copy() #复制,但是生成了一个新的对象;python2 list没有copy这个属性
>>> lis1
[0, 1, 3]
>>> li.clear() #清空列表
>>> li
[]
>>> li.append('a') #追加的方式,添加到list最后
>>> li
['a']
>>> li.extend('hello') #必须传入可迭代的 对象,通过追加的方式,添加到list
>>> li
['a', 'h', 'e', 'l', 'l', 'o']
>>> li.index(1) #index检索如果没有找到,会报错
Traceback (most recent call last):
File "<pyshell#23>", line 1, in <module>
li.index(1)
ValueError: 1 is not in list
(key=None, reverse=False) 默认参数,如果不传参数,就进行默认
li.sort() #默认按 ASCII排序
key 是指定,按照某一种方法,进行排序。如果不指定,就进行默认ASCII
li.sort(key=len)
元祖 不可变
tu =('a','b','c','d')
tu1 =1,2
tu.count('a') #计数
tu.count('m')
tu.index('d') #默认从整个元祖里面,搜索
tu.index('d',1,4) #也可已指定范围,[1,4],左闭右开
tu.index('m') #没有找到,也会报错
tu = list(tu)
tu.pop()
tu = tuple(tu)
字符串
s = 'i love python'
统计str方法数
li = dir(s)
li.index('capitalize')
l2= li[3:]
len(l2)
s.count('o')
s.endswith('n') #如果字符串s以x结尾,返回True
s.startswith('i') #如果字符串s以x开头,返回True
s.find('p') # 7
s.find('w') # -1
s.index('p') # 7
s.index('w') # 报错
s.isalpha () :测试是否全是字母,都是字母则返回 True,否则返回 False.
s.isdigit () :测试是否全是数字,都是数字则返回 True 否则返回 False.
s.islower () :测试是否全是小写
s.isupper () :测试是否全是大写
s.lower () :将字符串转为小写
s.upper () :将字符串转为大写
s.replace('p','b') #替换、取代
s.split():返回一系列用空格分割的字符串列表
s.split(a,b):a,b为可选参数,a是将要分割的字符串,b是说明最多要分割几个
-1 默认是全部
s = 'sssabbbadddasss'
s.split('a')
s.split('a',2)
相关推荐
论文笔记_S2D.29_2017_CVPR_多尺度连续CRFs作为序列深度网络的单目深度估计
基本情况 题目:Multi-Scale Continuous CRFs as Sequential Deep Networks for Monocular Depth Estimation 引用:Xu, D., Ricci, E., Ouyang, W., Wang, X., & Sebe, N. (2017). Multi-scale continuous crfs as sequential deep networks for monocular depth estimation. InP.
序列数据类型
简介◆ 序列是一维元素向量,元素类型可以不同◆ 类似数学上的序列◆ 元素间由序号引导,通过下标访问序列的特定元素◆ 主要类型包括:字符串类型、元祖类型、列表类型通用的操作符◆ s + t 连接两个序列s和t◆ s*n或n*s 将序列s复制n次◆ s[i] 索引序列s中的i元素◆ s[i:j:k] 索引序列s中从i到j,...
封包(一)(雷电模拟器+ProxyDroid+查尔斯3.93+WPE)
自从换了工作就没有给大家分享一些干活,在加上陪伴自己的孩子没有时间更新文章了,这只能在晚上给大家写文档了,我最近在游戏公司上班,研究封包。我把这些东西都做成了笔记,我想有些东西是大家都想弄明白d ...
2017-10-29-03字符串拼接、格式化输出、深浅复制笔记
字符串拼接、格式化输出、深浅复制 ''' 序列的方法: list tuple str ''' 字符串拼接 a = 'hello' b = 'python' c = '!' 第一种,+ a + ' ' + b +' ' +c 第二种,%s ,占位符 '%s %s %s'%(a,b,c) 第三种,join ' '.join([a,b,c]) #可迭代对象 ' ...
UE4入门实例17(Unreal制作卡通Post Process材质球)
效果展示 #1 创建Post Porcess材质球 #2 编写Shader功能 #3 设置场景区域内风格化渲染 #1 创建Post Porcess材质球 #2 编写Shader功能 创建基础效果 移除现有通道渲染 设置视图渲染范围 #3 设置场景区域内风格化渲染 #4 加群下载Shader源码:284105567 ...
AI代码标注专家Prompt指令的最佳实践
AI代码标注专家 Prompt 可作为项目级别提示词使用,专门负责为 AI 生成的代码添加特定的注释标记,然后基于 Node 脚本可以初步统计出 AI 代码占比。
python时间序列入门学习笔记
一、时间周期类型 时间戳(timestamp) 某一个时间点 时间周期(period) 天、年、月、季度等表示一定周期的时间 时间间隔(interval) 结束时间与起止时间的差值 二、创建时间序列 1、pandas中的date_range方法创建时间序列,periods表示要生成的时间序列个数,freq为时间周期。 python import pandas as pd import numpy as np data2020=pd.date_range('2020/01/15',periods=12,fre
Gemma 4 12B QAT+MTP小显存部署实战指南
大语言模型本地部署的核心瓶颈在于显存与推理效率的平衡。量化感知训练(QAT)通过在训练阶段模拟低精度计算,显著提升模型对INT4量化的鲁棒性;多令牌预测(MTP)则通过并行解码优化KV Cache复用,降低GPU kernel调用频次。二者协同可在8GB显存设备上稳定运行12B级模型,兼顾精度、速度与上下文长度。该方案适用于开发者本地AI助手、技术文档生成、SQL翻译等轻量但高交互需求场景,是当前Windows环境中小显存高效落地Gemma系列模型的工程最优解。
基于Pandas的时间序列分析方法与实践(1)
腾讯next学院张雨萌的课程,本文为学习笔记,侵删。 一、日期类型数据的表示 1. pd.to_datetime(几乎所有日期时间格式) 2. 定制化提取日期信息: import pandas as pd date1 = 20190529 date1.strftime("%Y-%m-%d, %a") 3. 时间类型的向量化运算: date1 = pd.to_datetime('2019-05-29') print (date1 + pd.to_timedelta(np.arange(12.
Pytorch图像去噪实战(七):Noise2Noise自监督图像去噪实战,没有干净图也能训练模型
PyTorch图像去噪实战:Noise2Noise自监督去噪方法 本文介绍了在没有干净图像的情况下使用Noise2Noise方法进行图像去噪的实战方案。主要内容包括: 问题场景:真实项目中经常只有带噪图像而没有对应的干净图像,如夜间监控、医学影像等场景。 Noise2Noise核心思想:使用同一场景的两张不同噪声版本的图像进行训练(noisy_image_a → noisy_image_b),让模型学习恢复共同的干净结构而非随机噪声。 技术原理:模型通过最小化两个独立噪声图像之间的差异,最终会收敛到真实干净
PX4实战(十):PX4导航模块(Navigator)详解
本文将对 PX4 固件 v1.14.3 版本中的 Navigator(导航)模块进行详尽的技术剖析。作为飞行控制栈中的高层决策核心,Navigator 模块承担着将抽象的任务指令转化为具象的底层控制设定点的关键职责。本文基于对 src/modules/navigator 目录下源代码的深究研究与架构反推,详细阐述了该模块的文件组织结构、基于状态机的控制逻辑、uORB 异步通讯机制、核心任务模式(Mission)与返航模式(RTL)的实现细节,以及地理围栏(Geofence)与任务可行性检查(Feasibil
【机器学习笔记29】Pandas常用方法备注
【参考资料】 【1】https://www.kaggle.com/artgor/eda-feature-engineering-and-everything 【2】http://pandas.pydata.org/pandas-docs/stable/index.html 构筑测试数据 纯粹是编出来的测试数据,不考虑其设计合理性:) 创建商品数据表 包括(product_id 商品ID,time ...
EMB电子机械制动系统和EHB电子液压制动系统控制功能的对比
EMB电子机械制动系统相比EHB液压制动系统具有显著优势:响应速度更快(<100ms)、控制精度更高(±2N·m)、能实现单轮独立控制,支持0.1%级制动力调节。在ABS、ESC等安全功能上表现更优,制动平顺性和NVH性能更好,同时提升能量回收效率15%-20%。特别适合智能驾驶需求,可使AEB等系统响应时间缩短50ms,紧急制动距离减少1米以上。EMB系统完美契合高阶自动驾驶对快速响应和精准控制的要求。
时间序列学习笔记1
时间序列数据是一种重要的结构化数据形式。一般有几种: 时间戳:timestamp,特定的时刻 固定时期:period,如2010年全年 时间间隔:interval,有起始和结束时间戳表示; 实验或过程时间,每个时间点都是相对于特定时间的一个变量。 pandas提供一组标准时间序列处理工具和数据算法。 1. 日期和时间数据类型及工具 datetime模块: In [1]: from dateti...
精雕软件(JDpaint) 5.5 绿色版
精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。
时间序列学习笔记2
2. 时间序列基础 In [7]: dates = [(2011,1,1),(2011,2,3),(2011,2,4),(2011,4,23),(2011,4,22),(2011, ...: 4,1)] In [8]: dates = [datetime(*x) for x in dates] In [14]: ts = Series(np.random.randn(6), index=...
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
python学习笔记(三)序列
python学习笔记(三)序列 照例原作链接:http://www.cnblogs.com/vamei/archive/2012/05/28/2522677.html 笔记: #!/usr/bin/env python #--coding:utf-8-- s1 = (2, 1.3, 'love', 5.6, 9, 12, Fa...
温度PID控制PLC程序
温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值
2018-03-29周4课程笔记
2018-03-29周4课程笔记 Python的逻辑运算符 数字运算符: / % 输入: a=1 b=2 c=3 print(“a+b={0}”.format(a+b)) print(“a-b={0}”.format(a-b)) print(“a*b={0}”.format(a*b)) print(“a/b={0}”.format(a/b)) print(“a%b={0...
机器学习pandas之时间序列笔记
时间戳tiimestamp:固定的时刻->pd.Timestamp 固定时期period:比如2016年3月份,再如2015年销售额->pd.Period 时间间隔interval:由起始时间和结束时间来表示,固定时期是时间间隔的一个特殊 时间日期在Pandas里的作用:分析金融数据,如股票交易数据 1 import pandas as pd 2...
时间序列学习笔记4
6. 重采样及频率转换 重采样(resample)表示将时间序列的频率进行转换的过程。可以分为降采样和升采样等。 pandas对象都有一个resample方法,可以进行频率转换。 In [5]: rng = pd.date_range('1/1/2000', periods=100, freq='D') In [6]: ts = Series(np.random.randn(len(rng)),...
python 笔记 2017
26.反斜杠用处,断言一些字符包含特殊字符的 if "<h3 class=\"entH 22222setH\">刷新成功</h3>" in r.content: print "OK" else: print "失败" 说明: 断言的文案里面有"双引号和外面的双引号冲突,使用反斜杠变为普通字符 后记: 如果断言文中有的反斜杠\ ,那么只要输入\\两...
第五课:序列模型
序列模型介绍
2020-10-29 吴恩达DL学习-C5 序列模型-W2 自然语言处理与词嵌入
1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c 2.详细笔记网站(中文):http://www.ai-start.com/dl2017/ 3.github课件+作业+答案:https://github.com/stormstone/deeplearning.ai 第二周 自然语言处理与词嵌入 NLP and Word Embeddings2.1 词汇表征 Word representation 自然语言处理与深度
2021-02-25
17年真题题解(c/c++b组) 第一题:购物单 题目: 小明刚刚找到工作,老板人很好,只是老板夫人很爱购物。老板忙的时候经常让小明帮忙到商场代为购物。小明很厌烦,但又不好推辞。 这不,XX大促销又来了!老板夫人开出了长长的购物单,都是有打折优惠的。 小明也有个怪癖,不到万不得已,从不刷卡,直接现金搞定。 现在小明很心烦,请你帮他计算一下,需要从取款机上取多少现金,才能搞定这次购物。 取款机只能提供100元面额的纸币。小明想尽可能少取些现金,够用就行了。 你的任务是计算出,小明最少需要取多少现金。 以下是让
python列表乘数值_《利用Python进行数据分析》十一章· 时间序列·学习笔记(一)...
一、时间序列时间序列(time series)数据是一种重要的结构化数据形式,应用于多个领域,包括金融学、经济学、生态学、神经科学、物理学等。在多个时间点观察或测量到的任何事物都可以形成一段时间序列。很多时间序列是固定频率的,也就是说,数据点是根据某种规律定期出现的(比如每15秒、每5分钟、每月出现一次)。时间序列也可以是不定期的,没有固定的时间单位或单位之间的偏移量。时间序列数据的意义取决于具体...
pandas最大的时间间隔_《利用Python进行数据分析》十一章· 时间序列·学习笔记(一)...
一、时间序列时间序列(time series)数据是一种重要的结构化数据形式,应用于多个领域,包括金融学、经济学、生态学、神经科学、物理学等。在多个时间点观察或测量到的任何事物都可以形成一段时间序列。很多时间序列是固定频率的,也就是说,数据点是根据某种规律定期出现的(比如每15秒、每5分钟、每月出现一次)。时间序列也可以是不定期的,没有固定的时间单位或单位之间的偏移量。时间序列数据的意义取决于具体...
630



被折叠的 条评论
为什么被折叠?



