Python学习之路--推导式

博客介绍了Python中的推导式,包括列表推导式、字典推导式和集合推导式。详细给出了列表推导式的两种形式,一种是遍历后挨个处理元素,另一种是带有筛选功能的推导式。

列表推导式

[每一个元素或和元素相关的操作 for 元素 in 可迭代类型]  #遍历之后挨个处理

[满足条件的元素相关的操作 for 元素 in 可迭代类型 if 元素相关的条件]#筛选功能

l = [i for i in range(30) if i % 3 == 0]
print(l)
l1 =[i**2 for i in range(30) if i % 3 == 0]
print(l1)
# [0, 3, 6, 9, 12, 15, 18, 21, 24, 27]
# [0, 9, 36, 81, 144, 225, 324, 441, 576, 729]
naems = [['tom','vdns','sdfds','eiwheds','hdusuhif','euiw','ersd'],['wewdkjhuwswewe','wweeroiso']]
r = [name for l in naems for name in l if name.count('e') ==2]
print(r)#['eiwheds', 'wweeroiso']
View Code

字典推导式

#将一个字典的key和value对调
ca = {'a':10,'b':34}
m_f = {ca[k]:k for k in ca}
print(m_f)#{10: 'a', 34: 'b'}
View Code
ca = {'a':10,'b':34,'A':7,'Z':3}
m_f = {k.lower():ca.get(k.lower(),0) + ca.get(k.upper(),0) for k in ca}
print(m_f)#{'a': 17, 'b': 34, 'z': 3}
View Code

集合推导式

tp = {x**2 for x in [-1,1,2]}
print(tp)#{1, 4}
自带去重

转载于:https://www.cnblogs.com/rssblogs/p/10940734.html

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
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