python中什么是序列，列表，元组，字符串，索引，区别是什么？

Python014

python中什么是序列，列表，元组，字符串，索引，区别是什么？,第1张

python中什么是序列，列表，元组，字符串，索引，区别是什么？

序列：可通过偏移量来进行切片的对象。列表、元组、字符串都属于序列。

散列：无法通过偏移量来进行切片的对象。比如 *** 、字典

序列包括：列表、元组、字符串

列表：是最常用的数组，可以进行嵌套；

元组：相当于Enum，一旦创建，元组的值是不允许修改的；

字符串：顾名思义就是中英文字符以及标点符号等。

索引：序列中的每个元素被分配一个序号。注意索引默认从0开始。

python中列表，元组，字符串如何互相转换

python中有三个内建函数：列表，元组和字符串，他们之间的互相转换使用三个函数，str(),tuple()和list(),具体示例如下所示:>>>s = "xxxxx"

>>>list(s)

['x', 'x', 'x', 'x', 'x']

>>>tuple(s)

('x', 'x', 'x', 'x', 'x')

>>>tuple(list(s))

('x', 'x', 'x', 'x', 'x')

>>>list(tuple(s))

['x', 'x', 'x', 'x', 'x'] 列表和元组转换为字符串则必须依靠join函数

1. str转list

list = list(str)

2. list转str

str= ''.join(list)

3. tuple list相互转换

tuple=tuple(list)

list=list(tuple)

python中字符串方法isnumeric和isdigit的区别是什么

isdigit()

True: Unicode数字，byte数字（单字节），全角数字（双字节），罗马数字

False: 汉字数字

Error: 无

isnumeric()

True: Unicode数字，全角数字（双字节），罗马数字，汉字数字

False: 无

Error: byte数字（单字节）

如果你想获取 'A' 列的第 0 和第 2 个元素，你可以这样做:

这也可以用 .iloc 获取，通过使用位置索引来选择内容

可以使用 .get_indexer 获取多个索引:

警告 ：

对于包含一个或多个缺失标签的列表，使用 .loc 或 [] 将不再重新索引，而是使用 .reindex

在以前的版本中，只要索引列表中存在至少一个有效标签，就可以使用 .loc[list-of-labels]

但是现在，只要索引列表中存在缺失的标签将引发 KeyError 。推荐的替代方法是使用 .reindex() 。

例如

索引列表的标签都存在

先前的版本

但是，现在

索引标签列表中包含不存在的标签，使用 reindex

另外，如果你只想选择有效的键，可以使用下面的方法，同时保留了数据的 dtype

对于 .reindex() ，如果有重复的索引将会引发异常

通常，您可以将所需的标签与当前轴做交集，然后重新索引

但是，如果你的索引结果包含重复标签，还是会引发异常

使用 sample() 方法可以从 Series 或 DataFrame 中随机选择行或列。

该方法默认会对行进行采样，并接受一个特定的行数、列数，或数据子集。

默认情况下， sample 每行最多返回一次，但也可以使用 replace 参数进行替换采样

默认情况下，每一行被选中的概率相等，但是如果你想让每一行有不同的概率，你可以为 sample 函数的 weights 参数设置抽样权值

这些权重可以是一个列表、一个 NumPy 数组或一个 Series ，但它们的长度必须与你要抽样的对象相同。

缺失的值将被视为权重为零，并且不允许使用 inf 值。如果权重之和不等于 1 ，则将所有权重除以权重之和，将其重新归一化。例如

当应用于 DataFrame 时，您可以通过简单地将列名作为字符串传递给 weights 作为采样权重（前提是您要采样的是行而不是列）。

sample 还允许用户使用 axis 参数对列进行抽样。

最后，我们还可以使用 random_state 参数为 sample 的随机数生成器设置一个种子，它将接受一个整数（作为种子）或一个 NumPy RandomState 对象

当为该轴设置一个不存在的键时， .loc/[] 操作可以执行放大

在 Series 的情况下，这实际上是一个追加操作

可以通过 .loc 在任一轴上放大 DataFrame

这就像 DataFrame 的 append 操作

由于用 [] 做索引必须处理很多情况（单标签访问、分片、布尔索引等），所以需要一些开销来搞清楚你的意图

如果你只想访问一个标量值，最快的方法是使用 at 和 iat 方法，这两个方法在所有的数据结构上都实现了

与 loc 类似， at 提供了基于标签的标量查找，而 iat 提供了基于整数的查找，与 iloc 类似

同时，你也可以根据这些索引进行设置值

如果索引标签不存在，会放大数据

另一种常见的操作是使用布尔向量来过滤数据。运算符包括：

|(or) 、 &(and) 、 ~ (not)

这些必须用括号来分组，因为默认情况下， Python 会将 df['A'] >2 &df['B'] <3 这样的表达式评估为 df['A'] >(2 &df['B']) <3 ，而理想的执行顺序是 (df['A'] >2) &(df['B'] <3)

使用一个布尔向量来索引一个 Series ，其工作原理和 NumPy ndarray 一样。

您可以使用一个与 DataFrame 的索引长度相同的布尔向量从 DataFrame 中选择行

列表推导式和 Series 的 map 函数可用于产生更复杂的标准

我们可以使用布尔向量结合其他索引表达式，在多个轴上索引

iloc 支持两种布尔索引。如果索引器是一个布尔值 Series ，就会引发异常。

例如，在下面的例子中， df.iloc[s.values, 1] 是正确的。但是 df.iloc[s，1] 会引发 ValueError 。

import re

patt = re.compile("\w+")

def makeIndex(filename):

    index = {}

    with open(filename) as handle:

        for i, ln in enumerate(handle):

            for word in patt.findall(ln):

                index.setdefault(word, []).append(i+1)

    return index

def printIndex(index):

    for word, lst in index.items():

        print "%s: %s" % (

            word, ", ".join(map(str, lst))

            )

def indexQuery(index, *args):

    found = None

    for word in args:

        got = index.get(word, [])

        if not got:

            return None

        if not found:

            found = set(got)

        else:

            found &= set(got)

        

        if not found:

            return None

    

    return list(found)

index = makeIndex("baiduqa.py")

printIndex(index)

print indexQuery(index, "in", "enumerate")