标签：ar 使用 sp for 数据 on bs amp as
列表：shoplist = [‘apple‘, ‘mango‘, ‘carrot‘, ‘banana‘]
字典：di = {‘a‘:123,‘b‘:‘something‘}
集合：jihe = {‘apple‘,‘pear‘,‘apple‘}
元组： t = 123,456,‘hello‘
1.列表
空列表：a=[]
函数方法：a.append(3) >>>[3]
a.extend([3,4,5]) >>>[3,3,4,5] 添加一个列表序列
a.insert(1,‘hello‘) >>>[3,‘hello‘,3,4,5]
a.remove(3) >>>[‘hello‘,3,4,5] 删除第一个出现的3，没有3则报错
a.pop() >>>[‘hello‘,3,4]
a.pop(0) >>>[3,4]
a.index(4) >>>1 返回出现的第一个4的下标
a.count(3) >>>1 列表中元素3的个数
a.sort >>>[3,4] 排序
a.reverse() >>>[4,3] 反序
删除元素的方法
a.remove(3) 通过值删除元素，删除第一个为参数值得元素
a.pop() 通过下标删除元素，默认删除列表最后一个值，带参数则删除下标为参数值的元素
del a[0] 通过下标删除元素，
del a[2:4] 删除a表下标为2,3的元素
del a[:] 删除a列表所有元素
del a 删除列表
列表推导式：
vec = [2,4,6]
[3*x for x in vec if x<6] >>>[6,12] 3*2,3*4
vec2 = [1,2,3]
[x*y for x in vec for y in vec2] >>>[2,4,6,4,8,12,6,12,18]
嵌套列表推导式：
mat = [
[1,2,3],
[4,5,6],
[7,8,9]
]
print ([[row[i] for row in mat] for i in [0,1,2]])
>>>[[1, 4, 7], [2, 5, 8], [3, 6, 9]]
思考：list (zip(mat)) 和 list (zip(*mat))结果会有什么不同
2.元组
空元组：t = ()
元组赋值： t = (123,345)
t[0] >>>123
3.字典
d = {‘Jack‘:‘jack@mail.com‘,‘Tom‘:‘Tom@main.com‘}
d[‘Jack‘] >>>‘jack@mail.com
d[‘Jim‘] = ‘Jim@sin.com‘ >>>{‘Jim‘: ‘Jim@sin.com‘, ‘Jack‘: ‘jack@mail.com‘, ‘Tom‘: ‘Tom@main.com‘}
del d[‘Jim‘] >>>{‘Jack‘: ‘jack@mail.com‘, ‘Tom‘: ‘Tom@main.com‘}
list(d.keys()) 将返回一个字典中所有关键字组成的无序列表
sorted(d.keys()) 将返回一个字典中所有关键字组成的排序列表
dict() 构造函数可以直接从key-value对中创建字典
dict([(‘Tim‘,123),(‘Tiny‘,234)]) >>>{‘Tiny‘: 234, ‘Tim‘: 123}
推导式创建字典：
{d2:d2+‘@main.com‘ for d2 in list(d.keys())}
>>>{‘Jack‘: ‘Jack@main.com‘, ‘Tom‘: ‘Tom@main.com‘}
练习：循环输出字典中的键值对：
for name,email in d.items():
print(name,email)
4.集合
空集合：A = set() ※想要创建空集合，必须使用set()
演示：
basket = {‘apple‘,‘orange‘,‘apple‘} >>>{‘orange‘, ‘apple‘} 注意重复的元素只显示一个？
‘apple‘ in basket >>>True
‘pear‘ in basket >>>False
集合的数学运算：
a = set(‘ababcdabca‘) >>>{‘c‘, ‘b‘, ‘a‘, ‘d‘}
b = {‘a‘,‘b‘,‘m‘} >>>{‘b‘, ‘a‘, ‘m‘}
a - b >>>{‘c‘, ‘d‘}
b - a >>>{‘m‘}
a | b >>>{‘c‘, ‘d‘, ‘b‘, ‘a‘, ‘m‘}
a & b >>>{‘a‘,‘b‘}
a ^ b >>>{‘c‘,‘d‘,‘m‘}
集合推导式：
{x for x in a if x not in ‘ab‘} >>>{‘c‘,‘d‘}
标签：ar 使用 sp for 数据 on bs amp as
原文地址：http://www.cnblogs.com/Vennet/p/4110059.html
