Python boleh mengekstrak urutan daripada struktur data. Operator penghirisan boleh menerima dua parameter, parameter pertama ialah indeks permulaan, dan parameter kedua ialah indeks penamat. Jika hanya satu hujah disediakan, urutan diekstrak dari indeks permulaan hingga ke penghujung jujukan.
data_structure[start:stop]
data_structure
: Struktur data yang akan dihiris. start
: Indeks permulaan. stop
: Tamatkan pengindeksan. # 创建一个列表 my_list = [1, 2, 3, 4, 5] # 从起始索引2到终止索引4(不包括)提取子序列 sub_list = my_list[2:4] # 打印子序列 print(sub_list) # 输出:[3, 4]
Pengendali indeks ([]) boleh mengakses satu elemen dalam struktur data. Operator indeks boleh menerima parameter yang menentukan indeks elemen untuk diakses.
data_structure[index]
data_structure
: Struktur data yang akan diindeks. index
: Indeks elemen untuk diakses. # 创建一个列表 my_list = [1, 2, 3, 4, 5] # 访问索引为2的元素 element = my_list[2] # 打印元素 print(element) # 输出:3
Pengendali penghirisan juga boleh menerima parameter ketiga, dipanggil langkah. Langkah menentukan selang antara elemen yang akan diekstrak.
data_structure[start:stop:step]
data_structure
: Struktur data yang akan dihiris. start
: Indeks permulaan. stop
: Tamatkan pengindeksan. step
: Saiz langkah. # 创建一个列表 my_list = [1, 2, 3, 4, 5] # 从起始索引2到终止索引4(不包括)提取子序列,步长为2 sub_list = my_list[2:4:2] # 打印子序列 print(sub_list) # 输出:[3]
Pengendali penghirisan juga boleh menerima indeks negatif. Indeks negatif dikira dari penghujung jujukan.
data_structure[-index]
data_structure
: Struktur data yang akan diindeks. index
: Indeks elemen untuk diakses. # 创建一个列表 my_list = [1, 2, 3, 4, 5] # 访问索引为-2的元素 element = my_list[-2] # 打印元素 print(element) # 输出:4
Menghiris dan mengindeks dalam Python adalah alat yang berkuasa yang boleh digunakan untuk mengakses dan memanipulasi struktur data. Dengan memahami penggunaan penghirisan dan pengindeksan, anda boleh meningkatkan kecekapan dan ketepatan pemprosesan data.
Atas ialah kandungan terperinci Menganalisis struktur data dengan penghirisan dan pengindeksan Python: dari permukaan ke teras, menguasai dunia data. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!