예제와 함께 Python 튜플에 대한 자세한 설명
- WBOY앞으로
- 2022-03-14 17:46:092560검색
이 글은 python에 대한 관련 지식을 제공합니다. 튜플의 생성, 액세스, 수정, 삭제 및 내장 방법을 포함하여 모든 사람에게 도움이 되기를 바랍니다.
추천 학습: python tutorial
소개 - Python에서는 프로젝트의 중요한 데이터 정보가 데이터 구조를 통해 저장됩니다. Python 언어에는 목록, 튜플, 사전, 집합 등과 같은 다양한 내장 데이터 구조가 있습니다. 이번 수업에서는 Python의 가장 중요한 데이터 구조 중 하나인 튜플(tuple)에 대해 이야기하겠습니다.
파이썬에서는 튜플을 특별한 종류의 목록으로 생각할 수 있습니다. 목록과 유일한 차이점은 튜플의 데이터 요소를 변경할 수 없다는 것입니다. [이것은 변경되지 않습니다. 데이터 항목을 변경할 수 없을 뿐만 아니라 데이터 항목을 추가하거나 삭제할 수도 없습니다! ]. 불변의 데이터 집합을 생성해야 할 때 우리는 보통 데이터를 튜플에 넣습니다~
1. 튜플 생성 && 액세스
(1) 튜플 생성:
Python에서 튜플을 생성하는 기본 형식은 다음과 같습니다. 데이터 요소를 괄호 "()"로 묶고 각 요소를 쉼표 ","로 구분합니다.
다음과 같습니다.
tuple1 = ('xiaoming', 'xiaohong', 18, 21)
tuple2 = (1, 2, 3, 4, 5)
# 而且——是可以创建空元组哦！
tuple3 = ()
# 小注意——如果你创建的元组只包含一个元素时，也不要忘记在元素后面加上逗号。让其识别为一个元组：
tuple4 = (22, )
(2) 액세스:
튜플은 문자열 및 목록과 유사하며 인덱스는 0부터 시작하며 가로채기, 결합 등의 작업을 수행할 수 있습니다.
다음과 같습니다:
tuple1 = ('xiaoming', 'xiaohong', 18, 21)
tuple2 = (1, 2, 3, 4, 5)
# 显示元组中索引为1的元素的值
print("tuple1[1]:", tuple1[0])
# 显示元组中索引从1到3的元素的值
print("tuple2[1:3]:", tuple2[1:3])
2. 튜플 수정 및 삭제
(1) 튜플 수정:
처음에 튜플은 불변이라고 했지만 여전히 지원되는 기능인 작업 - 연결 및 튜플 사이의 조합:
tuple1 = ('xiaoming', 'xiaohong', 18, 21)
tuple2 = (1, 2, 3, 4, 5)
tuple_new = tuple1 + tuple2
print(tuple_new)
(1) 튜플 삭제:
튜플은 불변이지만 del 문을 통해 전체 튜플을 삭제할 수 있습니다.
다음과 같습니다:
tuple1 = ('xiaoming', 'xiaohong', 18, 21)
print(tuple1) # 正常打印tuple1
del tuple1
print(tuple1) # 因为上面删除了tuple1，所以再打印会报错哦！
3. 튜플의 내장 메서드
튜플은 불변이지만 내장 메서드를 사용하여 튜플을 조작할 수 있습니다. 일반적으로 사용되는 내장 메소드는 다음과 같습니다.
- len(tuple): 튜플에 있는 요소 수를 계산합니다.
- max(tuple): 튜플에 있는 요소의 최대값을 반환합니다. tuple): 튜플의 요소를 반환합니다. 최소값
- tuple(seq): 목록을 튜플로 변환합니다.
4. 시퀀스를 개별 변수로 분해
(1)
Python에서는 N 요소를 포함하는 튜플 또는 시퀀스를 N 개별 변수로 분할할 수 있습니다. 이는 Python 구문을 사용하면 간단한 할당 작업을 통해 시퀀스/반복 가능한 개체를 별도의 변수로 분해할 수 있기 때문입니다. 유일한 요구 사항은 변수의 총 개수와 구조가 시퀀스와 일치해야 한다는 것입니다.다음과 같습니다:
tuple1 = (18, 22) x, y = tuple1 print(x) print(y) tuple2 = ['xiaoming', 33, 19.8, (2012, 1, 11)] name, age, level, date = tuple2 print(name) print(date)
Python에서 별표 표현식은 가변 길이 튜플 시퀀스를 반복할 때 매우 유용합니다. 다음은 표시할 일련의 튜플을 분해하는 프로세스를 보여줍니다.
records = [ ('AAA', 1, 2), ('BBB', 'hello'), ('CCC', 5, 3) ] def do_foo(x, y): print('AAA', x, y) def do_bar(s): print('BBB', s) for tag, *args in records: if tag == 'AAA': do_foo(*args) elif tag == 'BBB': do_bar(*args) line = 'guan:ijing234://wef:678d:guan' uname, *fields, homedir, sh = line.split(':') print(uname) print(*fields) print(homedir) print(sh)
(2)
내장된 deque 구현 사용:
from _collections import deque q = deque(maxlen=3) q.append(1) q.append(2) q.append(3) print(q) q.append(4) print(q)
from _collections import deque
def search(lines, pattern, history=5):
previous_lines = deque(maxlen=history)
for line in lines:
if pattern in line:
yield line, previous_lines
previous_lines.append(line)
# Example use on a file
if __name__ == '__main__':
with open('123.txt') as f:
for line, prevlines in search(f, 'python', 5):
for pline in prevlines: # 包含python的行
print(pline) # print (pline, end='')
# 打印最后检查过的N行文本
print(line) # print (pline, end='')123.txt:
pythonpythonpythonpythonpythonpythonpython python python
在上述代码中，对一系列文本行实现了简单的文本匹配操作，当发现有合适的匹配时，就输出当前的匹配行以及最后检查过的N行文本。使用deque(maxlen=N)创建了一个固定长度的队列。当有新记录加入而使得队列变成已满状态时，会自动移除最老的那条记录。当编写搜索某项记录的代码时，通常会用到含有yield关键字的生成器函数，它能够将处理搜索过程的代码和使用搜索结果的代码成功解耦开来。
5.实现优先级队列
使用内置模块heapq可以实现一个简单的优先级队列。
如下——演示了实现一个简单的优先级队列的过程。
import heapq
class PriorityQueue:
def __init__(self):
self._queue = []
self._index = 0
def push(self, item, priority):
heapq.heappush(self._queue, (-priority, self._index, item))
self._index += 1
def pop(self):
return heapq.heappop(self._queue)[-1]
class Item:
def __init__(self, name):
self.name = name
def __repr__(self):
return 'Item({!r})'.format(self.name)
q = PriorityQueue()
q.push(Item('AAA'), 1)
q.push(Item('BBB'), 4)
q.push(Item('CCC'), 5)
q.push(Item('DDD'), 1)
print(q.pop())
print(q.pop())
print(q.pop())
在上述代码中，利用heapq模块实现了一个简单的优先级队列，第一次执行pop()操作时返回的元素具有最高的优先级。
拥有相同优先级的两个元素（foo和grok）返回的顺序，同插入到队列时的顺序相同。
函数heapq.heappush()和heapq.heappop()分别实现了列表_queue中元素的插入和移除操作，并且保证列表中的第一个元素的优先级最低。
函数heappop()总是返回“最小”的元素，并且因为push和pop操作的复杂度都是O(log2N)，其中N代表堆中元素的数量，因此就算N的值很大，这些操作的效率也非常高。
上述代码中的队列以元组 (-priority, index, item)的形式组成，priority取负值是为了让队列能够按元素的优先级从高到底排列。这和正常的堆排列顺序相反，一般情况下，堆是按从小到大的顺序进行排序的。变量index的作用是将具有相同优先级的元素以适当的顺序排列，通过维护一个不断递增的索引，元素将以它们加入队列时的顺序排列。但是当index在对具有相同优先级的元素间进行比较操作，同样扮演一个重要的角色。
在Python中，如果以元组(priority, item)的形式存储元素，只要它们的优先级不同，它们就可以进行比较。但是如果两个元组的优先级相同，在进行比较操作时会失败。这时可以考虑引入一个额外的索引值，以(priority, index, item)的方式建立元组，因为没有哪两个元组会有相同的index值，所以这样就可以完全避免上述问题。一旦比较操作的结果可以确定，Python就不会再去比较剩下的元组元素了。
如下——演示了实现一个简单的优先级队列的过程：
import heapq
class PriorityQueue:
def __init__(self):
self._queue = []
self._index = 0
def push(self, item, priority):
heapq.heappush(self._queue, (-priority, self._index, item))
self._index += 1
def pop(self):
return heapq.heappop(self._queue)[-1]
class Item:
def __init__(self, name):
self.name = name
def __repr__(self):
return 'Item({!r})'.format(self.name)
# ①
a = Item('AAA')
b = Item('BBB')
#a <p><img src="https://img.php.cn/upload/article/000/000/067/49d26f0b616718a47cdbeebb6cfbf35b-7.png" alt="예제와 함께 Python 튜플에 대한 자세한 설명"></p><p>在上述代码中，因为在1-2中没有添加所以，所以当两个元组的优先级相同时会出错；而在3-4中添加了索引，这样就不会出错了！</p><p>推荐学习：<a href="https://www.php.cn/course/list/30.html" target="_blank">python学习教程</a></p>위 내용은 예제와 함께 Python 튜플에 대한 자세한 설명의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!