搜索
首页后端开发Python教程Python程序用于从数组中删除给定数量的第一个项目

Python程序用于从数组中删除给定数量的第一个项目

数组是一种数据结构,用于存储一组相同数据类型的元素。数组中的每个元素都由索引值或键来标识。

Python 中的数组

Python 没有原生的数组数据结构。相反,我们可以使用List数据结构来表示数组。

[1, 2, 3, 4, 5]

我们还可以使用数组或 NumPy 模块来处理 Python 中的数组。由 array 模块定义的数组是 -

array('i', [1, 2, 3, 4])

NumPy 模块定义的 Numpy 数组是 -

array([1, 2, 3, 4])

Python索引是从0开始的。以上所有数组的索引都是从0开始到(n-1)。

输入输出场景

假设我们有一个包含 5 个元素的整数数组。在输出数组中,前几个元素将被删除。

Input array:
[1, 2, 3, 4, 5]
Output:
[3, 4, 5]

前 2 个元素 1、2 将从输入数组中删除。

在本文中,我们将了解如何从数组中删除第一个给定数量的项目。这里我们主要使用python切片来去除元素。

Python 中的切片

切片允许一次访问多个元素,而不是使用索引访问单个元素。

语法

iterable_obj[start:stop:step]

哪里,

  • Start:对象切片开始的起始索引。默认值为 0。

  • End:对象切片停止处的结束索引。默认值为 len(object)-1。

  • 步长:增加起始索引的数字。默认值为 1。

使用列表

我们可以使用列表切片从数组中删除第一个给定数量的元素。

示例

让我们举个例子,应用列表切片来删除数组中的第一个元素。

# creating array
lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 

print ("The original array is: ", lst) 
print() 
numOfItems = 4
# remove first elements
result = lst[numOfItems:]
print ("The array after removing the elements is: ", result) 

输出

The original array is:  [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
The array after removing the elements is:  [5, 6, 7, 8, 9, 10]

从给定数组中删除前 4 个元素,并将结果数组存储在结果变量中。在此示例中,原始数组保持不变。

示例

通过使用 python del 关键字和切片对象,我们可以删除数组的元素。

# creating array
lst = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 
print ("The original array is: ", lst) 
print() 
numOfItems = 4

# remove first elements
del lst[:numOfItems]
print ("The array after removing the elements is: ", lst) 

输出

The original array is:  [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
The array after removing the elements is:  [5, 6, 7, 8, 9, 10]

语句 lst[:numOfItems] 检索数组中第一个给定数量的项目,del 关键字删除这些项目/元素。

使用 NumPy 数组

使用 numpy 模块和切片技术,我们可以轻松地从数组中删除项目数。

示例

在此示例中,我们将从 numpy 数组中删除第一个元素。

import numpy
# creating array
numpy_array = numpy.array([1, 3, 5, 6, 2, 9, 8])
print ("The original array is: ", numpy_array) 
print() 
numOfItems = 3

# remove first elements
result = numpy_array[numOfItems:]
print ("The result is: ", result) 

输出

The original array is:  [1 3 5 6 2 9 8]

The result is:  [6 2 9 8]

我们已经使用数组切片成功从 numpy 数组中删除了前 2 个元素。

使用数组模块

Python 中的数组模块还支持索引和切片技术来访问元素。

示例

在此示例中,我们将使用 array 模块创建一个数组。

import array
# creating array
arr = array.array('i', [2, 1, 4, 3, 6, 5, 8, 7])
print ("The original array is: ", arr) 
print() 

numOfItems = 2
# remove first elements
result = arr[numOfItems:]
print ("The result is: ", result) 

输出

The original array is:  array('i', [2, 1, 4, 3, 6, 5, 8, 7])
The result is:  array('i', [4, 3, 6, 5, 8, 7])

结果数组已从数组 arr 中删除了前 2 个元素,此处数组 arr 未更改。

以上是Python程序用于从数组中删除给定数量的第一个项目的详细内容。更多信息请关注PHP中文网其他相关文章!

声明
本文转载于:tutorialspoint。如有侵权,请联系admin@php.cn删除
Python与C:学习曲线和易用性Python与C:学习曲线和易用性Apr 19, 2025 am 12:20 AM

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

Python vs. C:内存管理和控制Python vs. C:内存管理和控制Apr 19, 2025 am 12:17 AM

Python和C 在内存管理和控制方面的差异显着。 1.Python使用自动内存管理,基于引用计数和垃圾回收,简化了程序员的工作。 2.C 则要求手动管理内存,提供更多控制权但增加了复杂性和出错风险。选择哪种语言应基于项目需求和团队技术栈。

科学计算的Python:详细的外观科学计算的Python:详细的外观Apr 19, 2025 am 12:15 AM

Python在科学计算中的应用包括数据分析、机器学习、数值模拟和可视化。1.Numpy提供高效的多维数组和数学函数。2.SciPy扩展Numpy功能,提供优化和线性代数工具。3.Pandas用于数据处理和分析。4.Matplotlib用于生成各种图表和可视化结果。

Python和C:找到合适的工具Python和C:找到合适的工具Apr 19, 2025 am 12:04 AM

选择Python还是C 取决于项目需求:1)Python适合快速开发、数据科学和脚本编写,因其简洁语法和丰富库;2)C 适用于需要高性能和底层控制的场景,如系统编程和游戏开发,因其编译型和手动内存管理。

数据科学和机器学习的Python数据科学和机器学习的PythonApr 19, 2025 am 12:02 AM

Python在数据科学和机器学习中的应用广泛,主要依赖于其简洁性和强大的库生态系统。1)Pandas用于数据处理和分析,2)Numpy提供高效的数值计算,3)Scikit-learn用于机器学习模型构建和优化,这些库让Python成为数据科学和机器学习的理想工具。

学习Python:2小时的每日学习是否足够?学习Python:2小时的每日学习是否足够?Apr 18, 2025 am 12:22 AM

每天学习Python两个小时是否足够?这取决于你的目标和学习方法。1)制定清晰的学习计划,2)选择合适的学习资源和方法,3)动手实践和复习巩固,可以在这段时间内逐步掌握Python的基本知识和高级功能。

Web开发的Python:关键应用程序Web开发的Python:关键应用程序Apr 18, 2025 am 12:20 AM

Python在Web开发中的关键应用包括使用Django和Flask框架、API开发、数据分析与可视化、机器学习与AI、以及性能优化。1.Django和Flask框架:Django适合快速开发复杂应用,Flask适用于小型或高度自定义项目。2.API开发:使用Flask或DjangoRESTFramework构建RESTfulAPI。3.数据分析与可视化:利用Python处理数据并通过Web界面展示。4.机器学习与AI:Python用于构建智能Web应用。5.性能优化:通过异步编程、缓存和代码优

Python vs.C:探索性能和效率Python vs.C:探索性能和效率Apr 18, 2025 am 12:20 AM

Python在开发效率上优于C ,但C 在执行性能上更高。1.Python的简洁语法和丰富库提高开发效率。2.C 的编译型特性和硬件控制提升执行性能。选择时需根据项目需求权衡开发速度与执行效率。

See all articles

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

AI Hentai Generator

AI Hentai Generator

免费生成ai无尽的。

热工具

MinGW - 适用于 Windows 的极简 GNU

MinGW - 适用于 Windows 的极简 GNU

这个项目正在迁移到osdn.net/projects/mingw的过程中,你可以继续在那里关注我们。MinGW:GNU编译器集合(GCC)的本地Windows移植版本,可自由分发的导入库和用于构建本地Windows应用程序的头文件;包括对MSVC运行时的扩展,以支持C99功能。MinGW的所有软件都可以在64位Windows平台上运行。

SublimeText3汉化版

SublimeText3汉化版

中文版,非常好用

EditPlus 中文破解版

EditPlus 中文破解版

体积小,语法高亮,不支持代码提示功能

Atom编辑器mac版下载

Atom编辑器mac版下载

最流行的的开源编辑器

禅工作室 13.0.1

禅工作室 13.0.1

功能强大的PHP集成开发环境