python 列表的查询操作和切片

 更新时间:2022年01月26日 11:54:38   作者:只是有点小怂  
这篇文章主要介绍了python 列表的查询操作和切片,列表是python内置的数据结构,相当于数组,列表中所有数据都是按顺序有序排列,列表属于序列类型,接下来一起学习下面的文章内容吧

1.列表

  • 列表是python内置的数据结构(列表、元组、字典、集合),相当于数组
  • 列表中所有数据都是按顺序有序排列,列表属于序列类型
  • 列表中的所有数据都有正数和负数的索引,通过指定的索引总能映射到唯一确定的数据
  • 列表中可以存在重复的数据(区分set)
  • 列表中可以保存任何类型的数据,多种类型的数据可以混合存储在一个列表中
  • 列表可以根据需要动态地伸缩,系统会根据需要动态地分配和回收内存,使用前无须预先声明列表的容量

2.列表的创建[]或list()

  • 用中括号[]创建列表,变量名不要取名为list或l,list是列表对应的类名,l容易被误认为数字1
  • 调用内置函数list()(类list的构造方法)
L = [] # 创建空列表
L = [1,2,3,4,5,'python']
print(L) # [1, 2, 3, 4, 5, 'python']
list(rang(1, 5)) # 传入range对象 [1,2,3,4]
list([1,2,3,4,5,'python']) # 直接传入中括号[]
list() # 创建空列表

3.定位列表中的元素L[0]

使用索引获得列表的元素,如果指定的索引在列表中不存在,抛出错误IndexError: list index out of range

4.查询列表中元素索引L.index()

  • 第一个元素索引是0,后续元素依次+1
  • 最后一个元素索引是-1,前面元素依次-1

L = ['H','e','l','l','o'] # 定义列表,元素可以为数值,但怕给索引搞混了用了字符
L.index('e')
L.index('l')
L.index('h') # value error
L.index('l',2) # 从索引2开始找'l'
L.index('l',2,5) # 在[2, 4]内找'l'
  • 获得列表中指定元素的索引调用方法index,只返回大于0的数值,比如L.index(‘e’) = 1,如列表中存在多个指定元素,方法index只返回第一个指定元素的索引值,比如L.index(‘l’) = 2,如果列表中不存在指定元素,抛出错误ValueError: ‘h’ is not in list
  • 调用方法index时还可以指定起始索引start和结束索引stop两个参数,在一定范围内查找元素 (不包含索引stop处值)

5.列表的切片操作L[start:stop:step]

  • 切片的语法格式 [start:stop:step]
  • 得到的切片依然是列表,是原始列表的片段的一份拷贝
  • 得到的切片不包括索引stop对应的元素
  • 步长step默认值为1,这时可以简化为[start:stop]
  • 当step为正数时
  1. 如果不指定start,切片的第一个元素默认是列表是第一个元素
  2. 如果不指定stop,切片的最后一个元素默认是列表的最后一个元素
  3. 从索引start开始往后计算切片
  • step为负数时
  1. 如果不指定start,切片的第一个元素默认为列表的最后一个元素
  2. 如果不指定stop,切片的最后一个元素默认是列表的第一个元素
  3. 从索引start开始往前计算切片

L = list('HelloWorld')
L[1:7:2]
L[1:6]
L[:] # 返回整个列表 输入L[]报错SyntaxError: invalid syntax
L[::-1] # 翻转整个列表
L[:-1] # stop指定为-1所在元素 ['H', 'e', 'l', 'l', 'o', 'W', 'o', 'r', 'l']
L[6:0:-2]
L[0:6:-2] # start指定为0所在元素,往前看没有值,返回[]
L[8::-2] # ['l', 'o', 'o', 'l', 'H']
L[8:0:-2] # ['l', 'o', 'o', 'l'] 不包含stop指定的元素
L[-2:0:-2]
L[:3:-2]
  • 切片操作允许索引越界(对比index不允许)
L = list('HelloWorld')
L[:100]
L[-100:]

6.L[slice(start,stop,step)]

  • 可以调用内置函数slice(类slice的构造方法)创建slice类型的对象
  • 内置函数slice有三种调用方式
  1. slice(stop)
  2. slice(start,stop)
  3. slice(start,stop,step)
  • start、stop和step的默认值都是None
  • slice(start,stop,step)与切片操作中的start:stop:step等价
L = list('HelloWorld')
L[slice(1,9,2)]
L[1:9:2]
L[::]
L[slice(None,None,None)] # L[slice(None)] 返回整个列表
L[1:7]
L[slice(1,7)]
L[:7]
L[slice(7)] #可以只输入stop,也可写作 L[slice(None, 7)]

7.in/not in 查询是否包含某个元素,存在返回True

L = list('HelloWorld')
print(5 in L) # False

到此这篇关于python 列表的查询操作和切片的文章就介绍到这了,更多相关python 列表的查询操作和切片内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Pycharm中的下载安装、配置与测试方式

    Pycharm中的下载安装、配置与测试方式

    这篇文章主要介绍了Pycharm中的下载安装、配置与测试方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-12-12
  • python接口自动化之正则用例参数化的示例详解

    python接口自动化之正则用例参数化的示例详解

    这篇文章主要介绍了python接口自动化之正则用例参数化,它是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配,本文给大家介绍的非常详细,需要的朋友可以参考下
    2022-07-07
  • python自动化之Ansible的安装教程

    python自动化之Ansible的安装教程

    这篇文章主要介绍了python自动化之Ansible的安装方法,结合实例形式分析了自动化运维工具Ansible的安装步骤及相关操作命令,需要的朋友可以参考下
    2019-06-06
  • python读取多层嵌套文件夹中的文件实例

    python读取多层嵌套文件夹中的文件实例

    今天小编就为大家分享一篇python读取多层嵌套文件夹中的文件实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-02-02
  • 详解Python实现图像分割增强的两种方法

    详解Python实现图像分割增强的两种方法

    图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。本文将为大家分享两个用Python实现像分割增强的方法,需要的可以参考一下
    2022-03-03
  • Python实现确认字符串是否包含指定字符串的实例

    Python实现确认字符串是否包含指定字符串的实例

    下面小编就为大家分享一篇Python实现确认字符串是否包含指定字符串的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-05-05
  • python 使用 with open() as 读写文件的操作方法

    python 使用 with open() as 读写文件的操作方法

    这篇文章主要介绍了python 使用 with open()as 读写文件的操作代码,写文件和读文件是一样的,唯一区别是调用open()函数时,传入标识符'w'或者'wb'表示写文本文件或写二进制文件,需要的朋友可以参考下
    2022-11-11
  • Python基础之tkinter图形化界面学习

    Python基础之tkinter图形化界面学习

    这篇文章主要介绍了Python基础之tkinter图形化界面学习,文中有非常详细的代码示例,对正在学习python基础的小伙伴们有非常好的帮助,需要的朋友可以参考下
    2021-04-04
  • python爬虫爬取指定内容的解决方法

    python爬虫爬取指定内容的解决方法

    这篇文章主要介绍了python爬虫爬取指定内容,爬取一些网站下指定的内容,一般来说可以用xpath来直接从网页上来获取,但是当我们获取的内容不唯一的时候我们无法选择,我们所需要的、所指定的内容,需要的朋友可以参考下
    2022-06-06
  • Pytho常见的数据可视化库,小白必备

    Pytho常见的数据可视化库,小白必备

    Python作为数据分析的重要语言为数据分析的每个环节都提供了很多库.常见的数据可视化库包括matplotib,seaborm,ggplot,bokeh,pygal,pyecharts等,下面小编一一介绍下,需要的朋友可以参考下
    2021-05-05

最新评论