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))

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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