小数据池,集合,深浅拷贝

本文详细介绍了小数据池支持的数据类型及其操作限制,深入探讨了集合的定义、操作及集合间的各种运算,如差集、合集、交集等,并解析了深浅拷贝的概念及区别。
1.小数据池
1.1 支持类型 (int,str,boor)

int : -5~256

str:

1.字符串在做乘法的时候总长度不能超过20
2.自己定义的字符串,长度不限制,字符串必须字母、数字、下划线组成
3.特殊字符(中文除外)定义1个的时候
4.字符串*1 => 赋值
2.2 is、==
is  判断内存地址是否相同
==  判断值是否相同
    =>内存地址相同,值一定相同;值相同,内存地址不一定相同  
2.集合
2.1 定义

set {1,2,3}

集合是无序的,可变的,元素要求可哈希

2.2 操作
**天然去重
增:
s.uodate("asdf")    迭代添加
s.add()
删:
s.pop()  随机删除
s.remove()  指定删除
s.clear()  清空
del s    删除整个集合
改:  =>  删了再添加
查:  =>  for循环
其他操作:
差集  print(s1-s2)
合集  print(s1|s2)
交集  print(s1&s2)
对称差集(反交集)  print(s1^s2)
超集(父集)  print(s1>s2)
子集  print(s1<s2)
3.深浅拷贝
赋值:多个变量指向同一个内存地址
浅拷贝:只拷贝第一层元素
深拷贝:全部拷贝,不可变数据类型指向原数据的内存地址,可变数据类型开辟新的空间
#规律:
赋值  =>  两个变量使用的是同一个空间
浅拷贝  =>  修改不可变数据类型,不变动;修改可变数据类型,变动
深拷贝  =>  修改就不变动

转载于:https://www.cnblogs.com/wxl1025/p/11004946.html

标题基于Python的自主学习系统后端设计与实现AI更换标题第1章引言介绍自主学习系统的研究背景、意义、现状以及本文的研究方法和创新点。1.1研究背景与意义阐述自主学习系统在教育技术领域的重要性和应用价值。1.2国内外研究现状分析国内外在自主学习系统后端技术方面的研究进展。1.3研究方法与创新点概述本文采用Python技术栈的设计方法和系统创新点。第2章相关理论与技术总结自主学习系统后端开发的相关理论和技术基础。2.1自主学习系统理论阐述自主学习系统的定义、特征和理论基础。2.2Python后端技术栈介绍DjangoFlask等Python后端框架及其适用场景。2.3数据库技术讨论关系型和非关系型数据库在系统中的应用方案。第3章系统设计与实现详细介绍自主学习系统后端的设计方案和实现过程。3.1系统架构设计提出基于微服务的系统架构设计方案。3.2核心模块设计详细说明用户管理、学习资源管理、进度跟踪等核心模块设计。3.3关键技术实现阐述个性化推荐算法、学习行为分析等关键技术的实现。第4章系统测试与评估对系统进行功能测试和性能评估。4.1测试环境与方法介绍测试环境配置和采用的测试方法。4.2功能测试结果展示各功能模块的测试结果和问题修复情况。4.3性能评估分析分析系统在高并发等场景下的性能表现。第5章结论与展望总结研究成果并提出未来改进方向。5.1研究结论概括系统设计的主要成果和技术创新。5.2未来展望指出系统局限性并提出后续优化方向。
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