Python基础数据类型以及对应方法
最编程
2024-02-06 10:26:28
...
数据类型
不可变数据(四个):Number(数字)、String(字符串)、Tuple(元组)、Sets(集合);可哈希
可变数据(两个):List(列表)、Dictionary(字典)。不可哈希
字符串,列表,元祖的索引与切片
索引:例如
str='abcdefg'
str[0]='a'
str[-1]='g'
切片:例如
str='abcdefg'
str[0:4]='abcd' #切片:顾首不顾尾
str[:-1]='abcdef'
str[:]='abcdefg'
str[::2]='aceg'
str[::-1]='gfedcba' #str[首:尾:步长]
公共方法
len();#计算str包含多少字符,list多少元素,dict多少键值对,Tuple多少元素。
.count();#查找字符,元素的出现次数。
type();#判断数据类型,()中输入需要判断的数据。
str常用操作方法
str.capitalize();#字符串首字母大写。
str.upper() ; #字母全部大写。
str.lower();#字母全部小写。
str.isupper();#是否字母全大写。
str.islower();#是否字母全小写。
str.swapcase();#字母大小写反转。
str.title();#字母标题化 每个隔开(特殊字符或数字)的单词首字母大写。
str.center();#字符居中 需要填入参数 width(宽度) 默认fillchar(填充物)为None,可以自己设置填充物。
str.expandtabs();#与Tab(\t)使用 补充位数。
str.startswith();#检测字符串是否以'什么'为开头,返还True,False。
str.endwith();#检测字符串是否以'什么'为结尾,返还Ture,false。
str.find(); #查找字符串中的元素,返回此元素的下标(索引),找不到返还-1,可切片规定寻找范围。
str.index(); #str.find()类似,如果找不到会报错*
str.strip();#去除前后的空格 如果要去除前面的空格使用str.lstrip(),去除后面的空格使用str.fstrip()。str.strip('需要删除的元素')默认为空格可以更改。
str.split();#str.split('拆分的字符',num)进行拆分把一个字符串转化为一个列表,被拆分的内容不存在。如果设置了num 则切分成num+1次(str>>>list)*
str.rsplit(); # 从右往左分 默认split是从左往右分
str.replace();#替换 str.replace('替换内容','新的内容',次数(默认为全部替换))。
str.isalnum();#字符串是否由数字或字母组成。
str.isalpha();#字符串只由字母组成。
str.isdigit();#字符串只由数字组成。
str.isspace();#字符串只由空格组成。
int常用操作方法
int.bit_length();#把数字转化为二进制最小的位数。
list列表—[]的增删改查
增:
list.append();#在原有列表的基础上在末尾增加元素;直接打印无返还值。
list.insert();#在列表中指定位置插入元素,需要输入两个参数插入的位置和需要插入的内容
list.extend();#迭代增加,()中必须是可迭代对象,增加内容为最小元素。
删:
list.pop();#按索引删除,如果不加索引默认删除最后一个;有返回值 返回删除的值。
list.remove();#按元素去删,无返回值。
list.clear();#清空列表。
del();#删除列表,也可以切片删除部分。
改:
list['需要更改内容的索引']='要更改的内容'#直接通过索引去改;
list.['需要更换切片的内容']='需要更改的内容'(增加的list中以最小元素拆分放入),#先将你需要替换的内容拿出来在放入你需要更改的内容,你需要更改的内容以最小元素分开放入列表中。
查:
list.[索引或切片];#利用索引和切片查找元素。
for i in list:
print(i)#查列表中所有的元素打印出来。
list.index('元素');#通过元素找索引。
排序:
list.sort(cmp=None, key=None, reverse=False)
cmp -- 可选参数, 如果指定了该参数会使用该参数的方法进行排序。
key -- 主要是用来进行比较的元素,只有一个参数,具体的函数的参数就是取自于可迭代对象中,指定可迭代对象中的一个元素来进行排序。
reverse -- 排序规则,reverse = True 降序, reverse = False 升序(默认)
list.reverse();#列表的反转。
list补充:
去除多余嵌套的列表(迭代)
def f(x):
ret=[]
for b in x:
if isinstance(b,list):
for a in f(b):
ret.append(a)
else:
ret.append(b)
return ret
元祖type-()
元祖 只读列表,可循环查询,可切片,如果里面嵌套可修改内容,可以更改嵌套里可修改的内容。
(连接对象str).join(可迭代对象);# 将可迭代对象每一个都加上连接对象成为一个新的字符串,可以将可迭代对象转化为字符串。(list;tuple>>>str)*************
range();#生成数列(起始值(如果是0可以省略),终止值(不包括本身),步长(默认为0))。
元祖 如果元祖里面只有一个元素且不加,那此元素是什么类型,就是什么类型。
字典dict-{}的增删改查
dict(映射类型,键值对)
dict key(键必须是不可变数据类型) 可哈希
dict 优点:
1.二分查找去查询。
2.存储大量的关系型数据。
3.无序的(python3.5前)。
增:
dict['键'] =值 # 如果dict中没有此键,就添加,如果有键,就覆盖。
dict.setdefault() # ('键','值,(值如果不写默认为None)')如果dict中有此键则不执行任何操作不做任何改变。
dict.formkeys(seq,'value(不填默认为None))');# Python 字典 fromkeys() 函数用于创建一个新字典,以序列 seq 中元素做字典的键,value 为字典所有键对应的初始值
删:
dict.pop('键') # 直接按照键去删除,有返回值,返回的是键值对的值,如果dict中没有此键,则会报错(解决方法:dict.pop('键','提示字符')如果加了提示字符在dict中没有此件时返回你输入的提示字符)。
dict.popitem() # 随机删除(python3.5之前没有排序随机删除python3.6后有排序删除最后一个键值对),有返回值,返回的是键值对。
dict.clear() # 清空dict。
dict.del() # 删除整个dict,如果('键')删除键值对,如果dict中没有此键则会报错,无返回值。
del dict["key"] # 删除此键值对
改:
dict['键'] =值 # 输入以有的键赋给新值就是更改键值对。
dict2.update(dict) # 把dict所有的键值对更新到dict2中,原dict无变化。
查:
dict['键'];# 查找dict的对应的值
dict.keys();# dict中的键,放在一个列表中。
dict.values();# dict中的值,放在一个列表中。
dict.items();# dict中的键值,在一个列表中,但键值放在一个元祖中隔开。
dict.get();# dict.get('查找的内容','提示字符') 如果没有此键返回提示字符。
sorted();# sorted('dict.keys;dict.values;dict.items')返回一个新的list,不在原函数更改;list 的 sort 方法返回的是对已经存在的列表进行操作,而内建函数 sorted 方法返回的是一个新的 list,而不是在原来的基础上进行的操作。
dict.setdefault();# Python 字典 setdefault() 函数和get() 方法类似, 如果键不存在于字典中,将会添加键并将值设为默认值。(也有增的功能)
补充:
在循环列表和字典中 不要直接删除原列表和字典中的内容,达不到相应的要求容易报错。
集合set-{}的增删改差
set集合:可变的数据类型,他里面的元素必须是不可变的数据类型,无序,不重复。set1=set({1,2,3});set1={1,2,3}。
增
set.add('需要添加的内容');# 直接添加。(集合是无序的 随机添加到位置)
set.update(需要添加的内容);# 迭代增加 把需要添加的内容化为最小元素分开放入集合中。(集合是无序的 随机添加到位置)
删
set.pop();# 随机删除 ,有返回值。
set.remove();# 按照元素删除,如果没有会报错。
set.clear();# 清空集合 表现方式为set()。
set.del();# 删除整个集合。
改
# 因为set中元素不可变所以不能更改
查
for i in set:print(i);
计算
交集:'&' 或者使用 set1.intersection(set2);
并集:'|'或者使用 set1.union(set2);
反交集:'^'或者使用 set1.symmetruc.difference(set2);
差集:'-'或者使用 set1.difference(set2);#set1独有的set2没有的拿出来;
子集:'<'或者使用ste1.issubset(set2);#说明ste1是set2的子集;返回布尔值;
超集:'>'或者使用ste1.issuperset(set2);#说明ste1是ste2的超级;返回布尔值;
类型转换
list>>>set
set = ste(list)
set>>>list
list=list(set)
转化不可变数据类型
frozenset();# frozenset() 返回一个冻结的集合,冻结后集合只能查看不能再添加或删除任何元素.比如列表、字典、元组等等
分类 数字,字符串 小数据池(地址)
# 数字的范围 -5 -- 256 如果数字范围在此,创建多个变量都等于他,用的地址是一样的。
# 字符串:
1.不能含有特殊字符;(如果字符串中包含特殊字符,不管多长多段都不会共用一个)。
2. S*20 还是同一个地址,S*21以后都是两个地址。(S为一个字节)
# 除了数字与字符串 没有 小数据池的概念。
上一篇: 在Python中,一对一对应:字母与数字的转换操作
下一篇: 玩转数字:17号电话号码的字母对应谜题
推荐阅读
-
字符串操作的 Python 算法基础:索引、切分、常用方法
-
python 中 subprocess.Popen 的详细使用方法--以及需要注意的事项(死锁)
-
纯干货分享 | 研发效能提升——敏捷需求篇-而敏捷需求是提升效能的方式中不可或缺的模块之一。 云智慧的敏捷教练——Iris Xu近期在公司做了一场分享,主题为「敏捷需求挖掘和组织方法,交付更高业务价值的产品」。Iris具有丰富的团队敏捷转型实施经验,完成了企业多个团队从传统模式到敏捷转型的落地和实施,积淀了很多的经验。 这次分享主要包含以下2个部分: 第一部分是用户影响地图 第二部分是事件驱动的业务分析Event driven business analysis(以下简称EDBA) 用户影响地图,是一种从业务目标到产品需求映射的需求挖掘和组织的方法。 在软件开发过程中可能会遇到一些问题,比如大家使用不同的业务语言、技术语言,造成角色间的沟通阻碍,还会导致一些问题,比如需求误解、需求传递错误等;这会直接导致产品的功能需求和要实现的业务目标不是映射关系。 但在交付期间,研发人员必须要将这些需求实现交付,他们实则并不清楚这些功能需求产生的原因是什么、要解决客户的哪些痛点。研发人员往往只是拿到了解决方案,需要把它实现,但没有和业务侧一起去思考解决方案是否正确,能否真正的帮助客户解决问题。而用户影响地图通常是能够连接业务目标和产品功能的一种手段。 我们在每次迭代里加入的假设,也就是功能需求。首先把它先实现,再逐步去验证我们每一个小目标是否已经实现,再看下一个目标要是什么。那影响地图就是在这个过程中帮我们不断地去梳理目标和功能之间的关系。 我们在软件开发中可能存在的一些问题 针对这些问题,我们如何避免?先简单介绍做敏捷转型的常规思路: 先做团队级的敏捷,首先把产品、开发、测试人员,还有一些更后端的人员比如交互运维的同学放在一起,组成一个特训团队做交付。这个团队要包含交付过程中所涉及的所有角色。 接着业务敏捷要打通整个业务环节和研发侧的一个交付。上图中可以看到在敏捷中需求是分层管理的,第一层是业务需求,在这个层级是以用户目标和业务目标作为输入进行规划,同时需要去考虑客户的诉求。业务人员通过获取到的业务需求,进一步的和团队一起将其分解为产品需求。所以业务需求其实是我们真正去发布和运营的单元,它可以被独立发布到我们的生产环境上。我们的产品需求其实就是产品的具体功能,它是我们集成和测试的对象,也就是我们最终去部署到系统上的一个基本单元。产品需求再到了我们的开发团队,映射到迭代计划会上要把它分解为相应的技术任务,包括我们平时所说的比如一些前端的开发、后端的开发、测试都是相应的技术任务。所以业务敏捷要达到的目标是需要去持续顺畅高质量的交付业务价值。 将这几个点串起来,形成金字塔结构。最上层我们会把业务目标放在整个金字塔的塔尖。这个业务目标是通过用户的目标以及北极星指标确立的。确认业务目标后再去梳理相应的业务流程,最后生产。另外产品需求包含了操作流程和业务规则,具需求交付时间、工程时间以及我们的一些质量标准的要求。 谈到用户影响的地图,在敏捷江湖上其实有一个传说,大家都有一个说法叫做敏捷需求的“任督二脉”。用户影响地图其实就是任脉,在黑客马拉松上用过的用户故事地图其实叫督脉。所以说用户影响地图是在用户故事地图之前,先帮我们去梳理出我们要做哪些东西。当我们真正识别出我们要实现的业务活动之后,用户故事地图才去梳理我们整个的业务工作流,以及每个工作流节点下所要包含的具体功能和用户故事。所以说用户影响地图需要解决的问题,我们包括以下这些: 首先是范围蔓延,我们在整张地图上,功能和对应的业务目标是要去有一个映射的。这就避免了一些在我们比如有很多干系人参与的会议上,那大家都有不同想法些立场,会提出很多需求(正确以及错误的需求)。这个时候我们会依据目标去看这些需求是否真的是会影响我们的目标。 这里提到的错误需求,比如是利益相关的人提出的、客户认为产品应该有的、某个产品经理需求分析师认为可以有的....但是这些功能在用户影响地图中匹配不到对应目标的话,就需要降低优先级或弃掉。另外,通常我们去制定解决方案的时候,会考虑较完美的实现,导致解决方案括很多的功能。这个时候关键目标至关重要,会帮助我们梳理筛选、确定优先级。 看一下用户影响到地图概貌 总共分为一个三层的结构: 第一层why,你的业务目标哪个是最重要的,为什么?涉及到的角色有哪些? 第二层how ,怎样产生影响?影响用户角色什么样的行为? (不需要去列出所有的影响,基于业务目标) 第三层what,最关键的是在梳理需求时不需一次把所有细节想全,这通常团队中经常遇到的问题。 我们用这个例子来看一下 这是一个客服中心的影响地图,业务目标是 3个月内不增加客服人数的前提下能支持1.5倍的用户数。此业务目标设定是符合 smart 原则的,specific非常的具体,miserable 是可以衡量的,action reoriented是面向活动的, real list 也是很实际的。 量化的目标会指引我们接下来的行动,梳理一个业务目标,尽量去量化,比如 :我们通过打造一条什么样的流水线,能够提高整个部署的效率,时间是原来的 1/2 。这样才是一个能量化的有意义的目标。 回到这幅图, how 层级识别出来的内容,客服角色:想要对它施加的影响,把客户引导到论坛上,帮助客户更容易的跟踪问题,更快速的去定位问题。初级用户:方论坛上找到问题。高级用户:在论坛上回答问题。通过我们这些用户角色,进行活动,完成在不增加客户客服人数的前提下支持更多的用户数量。 最后一个层级,才是我们日常接触比较多的真正的功能的特性和需求,比如引导到客户到论坛上,其实这个产品就需要有一个常见问题的论坛的链接。这个层次需要我们团队进一步地在交付,在每个迭代之前做进一步的梳理,细化成相应的用户故事。 这个是云智慧团队中,自己做的影响地图的范例,可以看下整个的层级结构。序号表示优先级。 那我们用户影响地图可以总结为:
-
了解 PnP 算法、在 python opencv 中使用 cv2.solvePnP 以及使用 cv2.sovlePnP 方法校准相机和二维激光雷达的文章
-
[姿势估计] 实践记录:使用 Dlib 和 mediapipe 进行人脸姿势估计 - 本文重点介绍方法 2):方法 1:基于深度学习的方法:。 基于深度学习的方法:基于深度学习的方法利用深度学习模型,如卷积神经网络(CNN)或递归神经网络(RNN),直接从人脸图像中学习姿势估计。这些方法能够学习更复杂的特征表征,并在大规模数据集上取得优异的性能。方法二:基于二维校准信息估计三维姿态信息(计算机视觉 PnP 问题)。 特征点定位:人脸姿态估计的第一步是通过特征点定位来检测和定位人脸的关键点,如眼睛、鼻子和嘴巴。这些关键点提供了人脸的局部结构信息,可用于后续的姿势估计。 旋转表示:常见的旋转表示方法包括欧拉角和旋转矩阵。欧拉角通过三个旋转角度(通常是俯仰、偏航和滚动)描述头部的旋转姿态。旋转矩阵是一个 3x3 矩阵,表示头部从一个坐标系到另一个坐标系的变换。 三维模型重建:根据特征点的定位结果,三维人脸模型可用于姿势估计。通过将人脸的二维图像映射到三维模型上,可以估算出人脸的旋转和平移信息。这就需要建立人脸的三维模型,然后通过优化方法将模型与特征点对齐,从而获得姿势估计结果。 特征点定位 特征点定位是用于检测人脸关键部位的五官基础部分,还有其他更多的特征点表示方法,大家可以参考我上一篇文章中介绍的特征点检测方案实践:人脸校正二次定位操作来解决人脸校正的问题,客户在检测关键点的代码上略有修改,坐标转换部分客户见上图 def get_face_info(image). img_copy = image.copy image.flags.writeable = False image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) # 在图像上绘制人脸检测注释。 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) box_info, facial = None, None if results.detections: for detection in results. for detection in results.detections: mp_drawing.Drawing.detection = 无 mp_drawing.draw_detection(image, detection) 面部 = detection.location_data.relative_keypoints 返回面部 在上述代码中,返回的数据是五官(6 个关键点的坐标),这是用 mediapipe 库实现的,下面我们可以尝试用另一个库:dlib 来实现。 使用 dlib 使用 Dlib 库在 Python 中实现人脸关键点检测的步骤如下: 确保已安装 Dlib 库,可使用以下命令: pip install dlib 导入必要的库: 加载 Dlib 的人脸检测器和关键点检测器模型: 读取图像并将其灰度化: 使用人脸检测器检测图像中的人脸: 对检测到的人脸进行遍历,并使用关键点检测器检测人脸关键点: 显示绘制了关键点的图像: 以下代码将参数 landmarks_part 添加到要返回的关键点坐标中。
-
python 基础知识:详细介绍计算机的五大组成部分、计算机的三大核心硬件、操作系统、编程与编程语言的关系、编程语言的发展历史、编程语言的分类、python 解释器、环境变量与多版本并存、运行 python 程序的三种方法
-
NAT 基础知识:NAT 技术原理、静态 NAT、动态 NAT、NAPT、Easy IP、NAT 服务器原理,以及每种 NAT 方法的配置和转换示例。
-
从基础开始掌握各种 Python 进程间通信方法(推荐收藏)
-
在线编程比赛平台指南:网友观点各异,洛谷有人力挺对零基础友好,且提供Uva、Spoj、Atcoder、Codeforces等外联。特别推荐洛谷网校助力省选预备生,注意其特殊处理字符输入及字符串的方法。P1388题目数据存疑,受限于版权问题无法修正。还有其他如编程魔法师、新华算法赛训、HydroOJ、AtCoder、Vijos、OpenJudge、NOI、LOJ、HUSTOJ以及由热心家长创办的MYOJ等,后者定期为初学者设赛,是菜鸟们的实战练兵地。而牛客竞赛网作为专注算法训练的平台,每周都有竞赛并附带奖励,是算法选手的理想学习场所。
-
Python基础正则表达式及match与search方法的实践应用及其差异详解