python入门之数据结构

本文深入解析Python中的四种主要数据结构:list(列表)、tuple(元组)、dict(字典)和set(集合)。详细介绍了每种数据结构的特点、应用场景及常用操作方法,如排序、反转等,帮助读者掌握Python数据操作的核心技巧。

list 列表 tuple 元组 dict 字典 set 集合

1.简介
list 是一个有序集合,可以添加删除元素,可以包含任何内容(数字、字符串、列表、对象)可变类型
tuple类似于list,有序但是不能排序,增加、删除元素,是不可变
dict 是无序可嵌套,可变类型键值对,键是唯一且不可变的对象(一个key只对应一个value)

2.list常用内置方法
切片 list1[ 1: 3 ] 第2到第4 个元素组成的list
list1[ : ] 所有
索引 list1[ -1] 最后一个元素
.append()末尾增加一个元素 .extend()末尾增加多个元素 .insert()插入一个元素
.remove()删除元素 del删除元素
其他 .pop()弹出指定元素 .reverse()反转元素 .sort()排序(默认降序)

3…sort()和sorted()
.sort()是list类的内置方法,对list进行排序,改变原列表,只能对list使用
list1.sort(reverse=Ture)升序排列 ,默认降序
sorted()是python内置类,返回的是新列表(及时输入的是集合或元组),对所有迭代对象有效
sorted(list1,reverse=Ture)升序排列

4…reverse()和.reversed()
.reverse()是list类的内置方法,用于列表中数据反转,只能对list使用
list1.reverse()
reversed()是python内置类,返回反向迭代器,所以需要遍历获取作用后的值
list(reversed(list1)) , tuple(reversed(list1))

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
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