Python Learnning(四)-序列2

OpenStack Glance手动安装实战:镜像服务配置与排障指南 Glance是OpenStack中负责镜像管理的核心服务,其本质是提供镜像存储、元数据管理和访问控制的统一API层。它基于RESTful架构设计,依赖数据库(如MySQL/PostgreSQL)持久化元数据,通过glance_store插件支持多种后端(File/Swift/Ceph),并深度集成Keystone实现多租户鉴权。技术价值在于保障云平台虚拟机快速交付能力——一旦Glance异常,新建实例将阻塞在镜像加载阶段。典型应用场景包括私有云镜像仓库建设、金融行业合规镜像分发、制造企业定制OS模板管理等。 阅读详情

一 遍历列表

指将列表中的所有元素取出来
my_list=['b','d','c','a']
i=0;
while i<len(my_list):
	print(my_list[i])
	i+=1

通过for循环来遍历
语法:
	for 变量 in 序列:
		代码块

for循环会执行多次,序列中有几个元素就会执行几次,每执行一次就会将序列中的一个元素赋值给变量
我们可以通过变量,来获取列表中的元素

my_list=['b','d','c','a']  
for s in my_list:
	print(s)

二 range()

可以用来生成一个自然数序列

r=range(5) 生成一个[0,1,2,3,4]
参数:
	1.起始位置 可以省略
	2.结束位置
	3.步长 默认为1

range(3,10) # [3, 4, 5, 6, 7, 8, 9]
range(10,3,-2) # [10, 8, 6, 4]

主要用来配合for循环使用通过range()可以创建一个指定次数的for循环
for i in range(1,11):
print(i)
1-10

for 循环除了创建方式,其余的都和while一样,for循环更加简单

三 元组

元组是个不可变的序列,操作方式基本上和列表是一致的就是什么 insert del append remove
什么都不能用

当我们希望我们的数据不会改变时,使用元组,其余使用列表

创建元组:
	my_tuple=()
	print(my_tuple,type(my_tuple))
	# ((), <type 'tuple'>)

my_tuple=(1,2,3,4,5)

当我们元组不是空元组时,括号可以省略
my_tuple=1,2,3,4
print(my_tuple,type(my_tuple))
# ((1, 2, 3, 4), <type 'tuple'>)

如果元组不是空元组,那么至少有个逗号,即便是只有一个值
my_tuple=40
rint(my_tuple,type(my_tuple))
# (40, <type 'int'>)

my_tuple=40,
print(my_tuple,type(my_tuple))
# ((40,), <type 'tuple'>)

元组的解包(解构)
解包就是指的是将元组中的每一个元素都赋给一个变量
my_tuple=1,2,3,4
a,b,c,d=my_tuple
print(a) # 1

交换a/b的值,使用元组解包
a,b=b,a

a=100
b=200
print(a,b)
a,b=b,a
print(a,b)

在对一个元组进行解包时,变量的数量必须和元组中的数量是一致的
也可以在变量的前面添加一个*号,这样变量将会获取变量中所有的剩余元素
注意不能出现俩个*

my_tuple=1,2,3,4,5
a,b,*c=my_tuple
print(a,b,c)
# 1 2 [3, 4, 5]

my_tuple=[1,2,3,4,5]
a,*b,c=my_tuple
print(a,b,c)
# 1 [2, 3, 4] 5

四 可变对象

每个对象中都保存了三个数据
	-id
	-type
	-value(指的是值可变)

列表是一个可变对象
例如:
a=[1,2,3]
a[0]=10 / a=[4,5,6]代表的是不一样的a[0]修改的是a[0]的对象的值 a=[4,5,6] 代表的是重新
给个新对象附给这个变量

变量 值            id=0x11
				  type=class list
a	0x11		  value=[10,2,3]

a   0x12		  id=0x12
				  type=class list 
				  value=[4,5,6]

当我们去修改对象时,如果有其它变量也指向该对象,则其它变量也会被修改

a=[10]
b=a
b[0]=20
print(a,id(a),b,id(b))
# ([20], 140209423360728, [20], 140209423360728)

为一个变量重新赋值时不会影响其它变量
a=[10]
b=a
b=[20]
print(a,id(a),b,id(b))
([10], 140674889667288, [20], 140674889595432)

一般在为变量赋值时才是修改变量,其余的都是修改对象

五 == !=和 is is not区别

== !=比较的是对象的值是否相等

is is not比较的是对象的id是否相等(比较的是俩个变量是否是一个对象)
a=[1,2,3]
b=[1,2,3]
print(a==b)
print(a is b)
# 	True
	False

a=[1,2,3]
b=[1,2,3]
a=b
print(a==b)
print(a is b)
# 	True
	True
Security Onion的部署(超详细) 本文介绍了开源入侵检测系统securityonion的部署 阅读详情

相关推荐

Ollama最新快速上手指南:从安装到精通本地AI模型部署

想让Ollama跑你的"私房模型"?三种主流格式全支持,总有一款适合你!GGUF格式(推荐新手首选)创建Modelfile文件:执行创建命令:运行你的专属模型:PyTorch/Safetensors格式(适合进阶玩家)先用库测试模型能否正常加载确保模型结构完整后再导入Ollama官方文档有详细转换指南专业小贴士GGUF格式最轻量,PyTorch最灵活,Safetensors最安全遇到问题?试试用llama.cpp进行格式转换7B参数模型推荐使用q4_0量化级别想让AI用马里奥。

全世界的博客 2313

Python简单操作

操作系统的发展简史以及Linux系统的文件目录结构让大家对Linux系统有一个简单的认识,同时知道为什么要学习Linux命令。然后我们会正式学习Linux命令 1. 文件和目录命令:ls,cd,touch,mkdir,rm 2. 拷贝和移动命令:tree,cp,mv 3. 文件内容命令:cat,more,grep 4. 远程管理命令:ifconfig,ping,SSH的工作方式简介以及ssh命令 5. 用户权限及用户管理命令:chmod,chgrp,useradd,p...

weixin_70459895的博客 1101

Investigating Bi-Level Optimization for Learning and Vision from a Unified Perspective: A Survey and

文章首先从双层优化的角度统一表示了超参数优化、多任务和元学习等复杂学习和视觉问题,建立了一个基于最佳响应的单层重构和一个统一的算法框架,来制定一个基于梯度的双层优化方法,最后讨论了该框架的潜力和未来研究方向。...

dawnyi_yang的博客 1110

Python基础一(注释及变量)

python零基础系列一.注释与变量

浩小猿的秘密基地 1012

如何使用Dify 搭建一个用自然语言查询数据库的 Agent?

这样就会发布完毕。

AI Agent 首席体验官 1700

【Android】条形码/二维码扫描——ZXing源码分析

正在更新中 针对3.2.1版本源码 与其他版本代码可能会有出入,但核心思想基本不变。 首先从com.google.zxing.client.android包中的目录结构分析:Book:这个文件夹中有5个类: BrowseBookListener 实现了adapter的点击事项响应,通过获取ISBN,然后跳转到Google books中查询响应的详细信息。 SearchBookContents

年轻的学徒 2455

Python中a和a[:]有什么区别?

[]是引用 传址调用 [:] 是复制 传值调用 发现用b=a[:], 再给b赋值, 不会影响a; 直接给a[:]赋值却会影响a a=5 b=a print(a,b) b=3 print(a,b) a=6 print(a,b) 5 5 5 3 6 3 c=[1,2,3,4] d=c print(c,d) c[0]=5 print(c,d) d[0]=6 print(c,d) [1, 2, 3, 4] [1, 2, 3, 4] [5, 2, 3, 4] [5, 2, 3, 4].

Python热爱者的博客 7233

TSEND_C指令错误代码解析与实战排错指南

本文详细解析西门子PLC中TSEND_C指令的常见错误代码,包括连接建立、参数配置、资源限制和网络通信等错误类型。针对错误代码80C4等典型问题提供实战排错指南,帮助工程师快速诊断和解决工业通信中的连接故障,提升系统可靠性。

backprop5master的博客 414

[118题+解析] Python面试题

[118题+解析] Python面试题

Le0v1n 的博客 8209

Ubuntu环境下读取罗技G29方向盘信息

Ubuntu环境下读取罗技G29方向盘信息

工大机器人工作室 3484

【ComfyUI】SD1.5 + ControlNet 边缘检测融合动漫转真人

本文介绍了一个基于ComfyUI的动漫转真人图像生成工作流,通过多模型协同实现高质量的二次元图像转换。该工作流集成了Canny线稿预处理、ControlNet结构控制、VAE编码解码和人脸精细化处理等核心环节,采用majicmixRealistic_v7作为主模型,配合yolov8、SAM等辅助模型。整个流程包含11个标准化步骤,从图像输入、预处理到最终超分输出,通过ControlNet引导和CLIP语义控制确保生成图像的写实感和结构准确性,特别针对人脸区域进行专业优化,最终可输出高分辨率写实人像。

Mr数据杨 1135

Python a, b = b, a +b [Python3常见问题]

参考文档 阅读文档发现的。 &gt;&gt;&gt; # Fibonacci series: ... # the sum of two elements defines the next ... a, b = 0, 1 &gt;&gt;&gt; while b &lt; 10: ... print(b) ... a, b = b, a+b ... 1 1 2 3 5 8 他实...

凡森 4338

【WRF教程第3.5期】预处理系统 WPS 详解:以4.5版本为例

预处理系统 WPS 详解:以4.5版本为例

WW、forever的博客 1422

Python Learnning (七)-函数

Python基础7-函数一 创建函数二 调用函数三 不定长参数四 返回值五 文档字符串六 作用域和命名空间作用域(scope):变量生效的区域命名空间(namespace)七 递归递归函数八 高阶函数filter()九 匿名函数map()sort()sorted()十 闭包十一 装饰器 函数也是一个对象 对象是内存中存储数据的一块区域 函数可以用来保存一些可执行的代码.并且可以在需要时,对这些语句进行多次的调用 一 创建函数 def 函数名([形参1,形参1,形参1....]): ​ 代码块 def f

zax_java的博客 790

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

learnning python

learnning python http://ez2learn.com/index.php/python-tutorials/advance-tutorials/174-cpython ...

110

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。

learnning Python day1

1 常量 Python本身没有提供常量,需引入自己写的const模块。 2 变量 变量放在Python的名字列表(命名空间)中,名字列表将变量名与值对应关联。 3 Python对象 系统里的每个东西都是一个对象,是某种类型的一个实例,不同的命名空间对象的名字可能不一样,例如:引用numpy模块时可将对象改变名字,import numpy as np。 4 数据类型 Python的好处

吲哚乙酸的博客 364

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

My First Python code for learnning English.

This is my first Python code to help me recite the English words.l = range(1,18)l2 = [0, 1, 2 + 1, 4 + 2 + 1, 7 + 4 + 2 + 1, 15 + 7 + 4 + 2 + 1]result = {}for wordList in l:    if not result.has_key(w...

weixin_34344403的博客 115

强化学习-Q_learnning 算法遇到得一些python函数问题

pd.DataFrame()函数:直观理解就是创建一个表格, 默认参数: def __init__(self, data: Any = None, index: Optional[Collection] = None, columns: Optional[Collection] = None, dtype: Union[ExtensionDtype, str, dtype, dtype, Typ..

霍迪迪的博客 318

python 独热码_One-hot Code for deep learnning 用于深度学习的独热码编码与解码

OnehotCodeOne-hot Code for deep learnning 用于深度学习的独热码编码与解码独热码在英文文献中称做 one-hot code, 直观来说就是有多少个状态就有多少比特,而且只有一个比特为 1,其他全为 0 的一种码制。例如:[1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. ...

weixin_39913472的博客 568

【python】python基于 Q-learning 算法的迷宫游戏(源码+论文)【独一无二】

迷宫环境模块:定义迷宫环境,包含状态空间和动作空间,提供状态更新和渲染方法。Q-learning 算法模块:实现 Q-learning 算法,训练代理在迷宫中找到最优路径。图形用户界面模块:使用 PyQt5 创建图形界面,展示迷宫和代理的动作。主程序入口:初始化环境和代理,启动图形界面。通过上述设计,该代码实现了一个功能完整的迷宫游戏,能够通过 Q-learning 算法进行训练,并实时展示训练过程和结果。👉👉👉 源码获取 关注【测试开发自动化】公众号,回复 “ 强化迷宫 ” 获取,拿来即用。

测试开发自动化 1148

神经网路(Neural Network building)—— 前向传播和反向传播

神经网络: 随着人工智能的崛起,Python渐渐开始成为编写人工智能的主要工具语言,由于Python易于编写且在整个大环境下,工具包非常丰富,所以我认为也是写神经网络的最佳语言。神经网络由输入层、隐藏层和输出层构成,隐藏层越多,说明整个神经网络越复杂,计算复杂度也越高,理所当然的计算耗时就越长。每个隐藏层上的神经元节点,也就是说每个Neural,简单地说,它的值由它的入度边的权值*...

weixin_42414405的博客 518

Machine Learning with Python Part One

In this course, you’ll learn how Machine Learning is used in many key fields and industries. For example, in the health care industry, data scientists use Machine Learning to predict whether a human cell that is believed to be at risk of developing cance

u011868279的博客 2844

TensorFlow对于sin函数的预测----RNN模型

一、总体介绍 对于sin函数的输入样本进行训练,得到sin函数相关的RNN网络架构,预测sin函数的趋势 二、相关参数设置 HIDDEN_SIZE = 30 #隐藏层层数 NUM_LAYERS = 2 #RNN层数 TIMESTEPS = 10 #RNN的截断长度 利用10个点的信息 预测第11个点的信息 TRAIN...

阳光非宅男的博客 2726

有趣的机器学习(一)

说明:来源于网易云课堂——有趣的机器学习视频观后记录 http://study.163.com/course/introduction/1003217019.htm#/courseDetail简介 机器学习是目前迅速蹿红的焦点学科之一. 其实机器学习并没有你想象中的那么难, 学会使用它也不是很难的事情. 如果你有了这些基本知识, 那机器学习的基本知识也能轻松掌握. 简介视频还在陆续更新中. 我

junjunguoguo的专栏 598

Machine Learning A-Z 学习笔记8

Machine Learning A-Z 学习笔记8 第八章 Kernel SVM 1.1简单原理 上一节的线性SVM是针对线性可分的数据(如左),若数据为非线性可分的情况则可以采用其他Kernel算法 以一维的非线性例子为例,我们可以通过运算将一维图像变为二维,再进行线性分离 所以我们通常将低维数据投射到高维进行切割,切割完毕后再投射回原来的的维度。 高斯径向基函數(gaussian radial basis function kernel)分析。 原维度数据点,常数 :基准点/中心点,

JiduoW的博客 187

《Learning_Robotics_using_Python.(Lentin_Joseph.2015.Packt-Publishing)》--F:\【4】工程与数学相关书籍\Robotics\Lea...

【同类书籍】 【】 转载于:https://www.cnblogs.com/tangyuanjie/p/6414575.html

weixin_30394333的博客 135
上一篇: Python Learning(四)-序列1
下一篇: Python Learning(五)-字典
zax_java
博客等级 码龄8年 62粉丝 23原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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