用於兩兩匹配形成新的序列,或者匹配到具體位置列出下標可以使兩個列表像拉鍊一樣一一匹配縫合(按最端序列長度縫合),並返回乙個由元組組成的列表
names =
['anne'
,'beth'
,'george'
,'damon'
]ages =[12
,45,32
,102
]for i in
range
(len
(names)):
print
(names[i]
,'is'
, ages[i]
,'years old'
)#常規利用迴圈匹配
#利用zip()函式
>>
>
list
(zip
(names, ages))[
('anne',12
),('beth',45
),('george',32
),('damon'
,102)]
>>
>
for name, age in
zip(names, ages)
:#解包
print
(name,
'is'
, age,
'years old'
)#zip函式可縫合任意長度的序列,但終止於最短序列的長度
>>
>
list
(zip
(range(5
),range
(100000000))
)[(0
,0),
(1,1
),(2
,2),
(3,3
),(4
,4)]
enumerate() 函式用於將乙個可遍歷的資料物件(如列表、元組或字串)組合為乙個索引序列,同時列出資料和資料下標,一般用在 for 迴圈當中。
>>
>seasons =
['spring'
,'summer'
,'fall'
,'winter'
]>>
>
list
(enumerate
(seasons))[
(0,'spring'),
(1,'summer'),
(2,'fall'),
(3,'winter')]
>>
>
list
(enumerate
(seasons, start=1)
)# 下標從 1 開始[(
1,'spring'),
(2,'summer'),
(3,'fall'),
(4,'winter'
)]
利用enumerate()迭代並獲得索引替換
>>
>
for index, string in
enumerate
(strings):if
'***'
in string:
strings[index]
='[******ed]'
Python用於機器學習
機器學習可實現一些演算法,能自動檢測給定輸入中的模式。比如,您給機器學習的演算法提供1000張狗的 和1000張桌子的 那麼,它將會學習區別狗和桌子。當您給出一張狗或桌子的新時,它將能夠識別出是狗還是桌子。我認為,這和嬰兒學習新事物有點類似。嬰兒是如何知道一樣東西看起來像狗,而另一樣東西看起來像桌子...
用於機器學習的Python和HDFS
python平台是matlab或mathematica等封閉源 和昂貴的!平台的強大替代品。多年來,隨著numpy和scipy 用於一般科學計算 和tensorflow,keras,theano和pytorch等平台的積極開發,今天通過python環境可供所有人使用的功能是驚人的。新增像jupyte...
用於機器學習的Python和HDFS
python平台是matlab或mathematica等封閉源 和昂貴的!平台的強大替代品。多年來,隨著numpy和scipy 用於一般科學計算 和tensorflow,keras,theano和pytorch等平台的積極開發,今天通過python環境可供所有人使用的功能是驚人的。新增像jupyte...