python zip函式/np.where找到滿足條件的元素位置/numpy與list轉換/eval
一、zip()
描述
zip() 函式用於將可迭代的物件作為引數,將物件中對應的元素打包成一個個元組,然後返回由這些元組組成的列表。
如果各個迭代器的元素個數不一致,則返回列表長度與最短的物件相同,利用 * 號操作符,可以將元組解壓為列表。
例項
以下例項展示了 zip 的使用方法:
a = [1,2,3]
b = [4,5,6]
c = [4,5,6,7,8]
zipped = zip(a,b) # 打包為元組的列表
print zipped
print zip(a,c) # 元素個數與最短的列表一致
print zip(*zipped) # 與 zip 相反,*zipped 可理解為解壓,返回二維矩陣式
print zip(zipped) # 與 zip 相反,*zipped 可理解為解壓,返回二維矩陣式
'''
輸出
[(1, 4), (2, 5), (3, 6)]
[(1, 4), (2, 5), (3, 6)]
[(1, 2, 3), (4, 5, 6)]
[((1, 4),), ((2, 5),), ((3, 6),)]'''
二、np.where()
#coding: utf-8
import numpy as np
l = [[34,465, 56, 4, 7, 8, 3],[34,465, 56, 4, 400, 8, 3]]
l = np.array(l)
print l
a = np.where(l>300)
print a
#輸出為(array([0, 1, 1]), array([1, 1, 4]))
三、numpy與list轉換
a=[3.234,34,3.777,6.33]
a為python的list型別
將a轉化為numpy的array:
a = np.array(a)
print a
結果:array([ 3.234, 34. , 3.777, 6.33 ])
將a轉化為python的list
a.tolist()
相關推薦
python zip函式/np.where找到滿足條件的元素位置/numpy與list轉換/eval
一、zip() 描述 zip() 函式用於將可迭代的物件作為引數,將物件中對應的元素打包成一個個元組,然後返回由這些元組組成的列表。 如果各個迭代器的元素個數不一致,則返回列表長度與最短的物件相同,利用 * 號操作符,可以將元組解壓為列表。 例項 以下
R語言-查找滿足條件的數並獲取索引
tracking r語 div post 向量 至少 () all -m 1、在R語言中,怎樣找到滿足條件的數呢? 比如給定一個向量c2。要求找到數值大於0的數: > c2 [1] 0.00 0.00 0.00 0.00 0.00 0.0
Python zip()函式實現並行迭代
示例1: for i, j in zip(range(0, 10), range(1, 11)): print(i, j) 輸出結果: 0 11 22 33 44 55 66 77 88 99 10 示例2: names = ['張三', '李四', '王五', '趙六']
np.where使用:根據條件生成新的陣列
np.where 函式是三元表示式 x if condition else y的向量化版本 result = np.where(cond,xarr,yarr) 當符合條件時是x,不符合是y,常用於根據一個數組產生另一個新的陣列。 栗子:假設有一個隨機數生成的矩陣,希望將所有
python:zip函式,對列表中的元素進行函式操作
python程式碼 a = [[123, 456, 789, 123],[124, 455, 788, 124]] width = map(lambda x:x[1] - x[3], a) # 求a中各個元素中,第2和第4的差值 list(width) 總結 pyth
Sql Server where case 滿足條件執行 不滿足 不做任何條件查詢
sql 裡經常用的where語句中可以使用case when 常用的 select * from tb where a= case when b>0 and b<100 then 1 when b>=100 then 2 else 3 end 滿足條
python webdriver selenium wait 卻找不到元素
檢視wait函式。 WebDriverWait(self,driver,timeout,poll_frequency=POLL_FREQUENCY,ignored_exceptions=None).until_not(self,method,message=) self, 函式本身,在實際使
Python Numpy模組函式np.c_和np.r_
np.r_:是按列連線兩個矩陣,就是把兩矩陣上下相加,要求列數相等,類似於pandas中的concat()。 np.c_:是按行連線兩個矩陣,就是把兩矩陣左右相加,要求行數相等,類似於pandas中的merge()。 import numpy as np a
Python中的zip函式
zip函式的不少資料寫的怪麻煩的,反正我查了很多次,都沒有記住這個函式是幹什麼,這導致我造了不少的輪子,走了不少的彎路。 後來再回頭查資料,有些明白了。其實zip函式就把幾個陣列對齊,然後按列輸出。。為了好理解,自己也寫了一個zip函式。 1 header = ['name', 'sex', 'a
python中zip()函式的用法
版權宣告:本文為博主原創文章,未經博主允許不得轉載。 https://blog.csdn.net/csdn15698845876/article/details/73411541 zip函式的原型為:zip([iterable, …]) 引數iterable為可迭代的物件
Python中lambda表示式、reduce函式、map函式、zip函式
對Python這幾個常用的小函式做一個彙總學習,參考了一些資料,有不妥的地方請原諒。 1、lambda函式 lambda是Python的一個內建函式,但是比def簡單很多。lambda不同於其他函式,主體是一個表示式,在程式碼內部嵌入一個函式的定義。工程用的比較多的是程式
python 寫函式在一定條件下需要呼叫自身時的寫法
例如以下這個函式: state = 1 def set_state(state): while state: set = int(input('請輸入9或5,顯示"hello world"\n')) if set == 9 or set == 5:
python基礎之zip()函式的用法
zip函式的用法: 詳情參考:菜鳥教程http://www.runoob.com/python/python-func-zip.html 注意!!!!!!!!!!!!!python2,python3的用法一樣但是返回值不一樣,python2返回的是一個列表,python3返回
Python入門 —— 函式、迴圈和條件、類 Day2【轉載】
本文章內容轉自於https://mp.weixin.qq.com/s?__biz=MjM5MDEzNDAyNQ==&mid=201008325&idx=1&sn=79ee31af2756fd4d30bbeab2024d9fe4&scene=21#wechat_
Python vs Matlab—— find 與 np where
1. matlab中的find函式 將陣列中的偶數值返回: x = randperm(100, 10) x(mod(x, 2) == 0) 1 2 matlab中find的函式的強大之處在於其能返回下標,且視返回引數的個數,返回以列全排序的一維下標(返回引數的個數為1
Python中的zip()函式
>>>a = [1,2,3] >>> b = [4,5,6] >>> c = [4,5,6,7,8] >>> zipped = zip(a,b) # 打包為元組的列表 [(1, 4), (2, 5), (3, 6
Python vs Matlab—— find 與 np.where
1. matlab中的find函式 將陣列中的偶數值返回: x = randperm(100, 10) x(mod(x, 2) == 0) matlab中find的函式的強大之處在於其能返回下標,且視返回引數的個數,返回以列全排序的一維下標(返回引數的個數
6.使用where子句查詢表中滿足條件的記錄
我這些學習筆記,記錄的都是我自己認為的知識點,可能以後再看的時候還要翻書,但是可以用來定位到準確的書中示例的位置,減少翻書重找的時間,利於自身知識體系的搭建。 self-transcendence第6章 使用where子句查詢表中滿足條件的
python中zip函式
zip函式接受任意多個(包括0個和1個)序列作為引數,返回一個tuple列表。(在海豚實習時自己寫了一個要用到zip的函式,那個例子非常代表性) 示例1 for i,j in zip(range(3),range(5)): print(zip(range(3),range(5))) prin
spark三種清理資料的方式:UDF,自定義函式,spark.sql;Python中的zip()與*zip()函式詳解//及python中的*args和**kwargs
(1)UDF的方式清理資料 import sys reload(sys) sys.setdefaultencoding('utf8') import re import json from pyspark.sql import SparkSession