字典和zip函数_百度文库安全检查中...
请打开浏览器的javascript，然后刷新浏览器
< 浏览器安全检查中...
还剩 5 秒&Python中zip()函数用法实例教程
[摘要]本文实例讲述了Python中zip()函数的定义及用法，相信对于Python初学者有一定的借鉴价值。详情如下：一、定义：zip([itera...
本文实例讲述了Python中zip()函数的定义及用法，相信对于Python初学者有一定的借鉴价值。详情如下：
一、定义：
zip([iterable, ...])
zip()是Python的一个内建函数，它接受一系列可迭代的对象作为参数，将对象中对应的元素打包成一个个tuple（元组），然后返回由这些tuples组成的list（列表）。若传入参数的长度不等，则返回list的长度和参数中长度最短的对象相同。利用*号操作符，可以将list unzip（解压）。
二、用法示例：
读者看看下面的例子，对zip()函数的基本用法就可以明白了：
&&& a = [1,2,3]
&&& b = [4,5,6]
&&& c = [4,5,6,7,8]
&&& zipped = zip(a,b)
[(1, 4), (2, 5), (3, 6)]
&&& zip(a,c)
[(1, 4), (2, 5), (3, 6)]
&&& zip(*zipped)
[(1, 2, 3), (4, 5, 6)]
对于这个并不是很常用函数，下面举几个例子说明它的用法：
1.二维矩阵变换（矩阵的行列互换）
比如我们有一个由列表描述的二维矩阵
a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
通过python列表推导的方法，我们也能轻易完成这个任务
print [ [row[col] for row in a] for col in range(len(a[0]))]
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]
另外一种让人困惑的方法就是利用zip函数：
&&& a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
&&& zip(*a)
[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
&&& map(list,zip(*a))
[[1, 4, 7], [2, 5, 8], [3, 6, 9]]
这种方法速度更快但也更难以理解，将list看成tuple解压，恰好得到我们“行列互换”的效果，再通过对每个元素应用list()函数，将tuple转换为list
2.以指定概率获取元素
&&& import random
&&& def random_pick(seq,probabilities):
x = random.uniform(0, 1)
cumulative_probability = 0.0
for item, item_probability in zip(seq, probabilities):
cumulative_probability += item_probability
if x & cumulative_probability: break
return item
&&& for i in range(15):
random_pick("abc",[0.1,0.3,0.6])
这个函数有个限制，指定概率的列表必须和元素一一对应，而且和为1，否则这个函数可能不能像预想的那样工作。
这里需要稍微解释下，先利用random.uniform()函数生成一个0-1之间的随机数并复制给x，利用zip()函数将元素和他对应的概率打包成tuple，然后将每个元素的概率进行叠加，直到和大于x终止循环
这样，”a”被选中的概率就是x取值位于0-0.1的概率，同理”b”为0.1-0.4，”c”为0.4-1.0，假设x是在0-1之间平均取值的，显然我们的目的已经达到。
脚本专栏子分类python通过zlib实现压缩与解压字符串的方法
投稿：shichen2014
字体：[ ] 类型：转载 时间：
这篇文章主要介绍了python通过zlib实现压缩与解压字符串的方法,较为详细的介绍了zlib的用法及使用pressobj和zlib.decompressobj对文件进行压缩解压的方法,需要的朋友可以参考下
本文实例讲述了python通过zlib实现压缩与解压字符串的方法。分享给大家供大家参考。具体实现方法如下：
使用press可以压缩字符串。使用zlib.decompress可以解压字符串。如下
代码如下:#coding=utf-8
import zlib
s = "hello word, "
print len(s)
c = press(s)
print len(c)
d =& zlib.decompress(c)
示范代码2:
代码如下:import zlib
message = 'witch which has which witches wrist watch'
compressed = press(message)
decompressed = zlib.decompress(compressed)
print 'original:', repr(message)
print 'compressed:', repr(compressed)
print 'decompressed:', repr(decompressed) #输出original: 'witch which has which witches wrist watch'
compressed: 'xx9c+xcf,IxceP(xcfxc8x04x92x19x89xc5PV9H4x15xc8+xca,.Q(Ox04xf2x00D&#63;x0fx89'
decompressed: 'witch which has which witches wrist watch'
如果我们要对字符串进行解压可以使用pressobj和zlib.decompressobj对文件进行压缩解压
代码如下:def compress(infile, dst, level=9):
&&& infile = open(infile, 'rb')
&&& dst = open(dst, 'wb')
&&& compress = pressobj(level)
&&& data = infile.read(1024)
&&& while data:
&&&&&&& dst.press(data))
&&&&&&& data = infile.read(1024)
&&& dst.write(compress.flush())
def decompress(infile, dst):
&&& infile = open(infile, 'rb')
&&& dst = open(dst, 'wb')
&&& decompress = zlib.decompressobj()
&&& data = infile.read(1024)
&&& while data:
&&&&&&& dst.write(decompress.decompress(data))
&&&&&&& data = infile.read(1024)
&&& dst.write(decompress.flush())
希望本文所述对大家的Python程序设计有所帮助。
您可能感兴趣的文章:
大家感兴趣的内容
12345678910
最近更新的内容
常用在线小工具lambda只是一个表达式，函数体比def简单很多。
lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。
lambda表达式是起到一个函数速写的作用。允许在代码内嵌入一个函数的定义。
如下例子：
定义了一个lambda表达式，求三个数的和。
再看一个例子：
用lambda表达式求n的阶乘。
------------------------------
lambda表达式也可以用在def函数中。
这里定义了一个action函数，返回了一个lambda表达式。其中lambda表达式获取到了上层def作用域的变量名x的值。
a是action函数的返回值，a(22)，即是调用了action返回的lambda表达式。
这里也可以把def直接写成lambda形式。如下
zip()函数用法
zip()是Python的一个内建函数，它接受一系列可迭代的对象作为参数，将对象中对应的元素打包成一个个tuple（元组），然后返回由这些tuples组成的list（列表）。若传入参数的长度不等，则返回list的长度和参数中长度最短的对象相同。利用*号操作符，可以将list unzip（解压），看下面的例子就明白了：
1 2 3 4 5 6 7 8 9
&&&&a =&[1,2,3]&&&&b =&[4,5,6]&&&&c =&[4,5,6,7,8]&&&&zipped =&zip(a,b)
[(1,&4),&(2,&5),&(3,&6)]&&&&zip(a,c)[(1,&4),&(2,&5),&(3,&6)]&&&&zip(*zipped)[(1,&2,&3),&(4,&5,&6)]
对于这个并不是很常用函数，下面举几个例子说明它的用法：
* 二维矩阵变换（矩阵的行列互换）
比如我们有一个由列表描述的二维矩阵a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]通过python列表推导的方法，我们也能轻易完成这个任务
print&[&[row[col]&for&row&in&a]&for&col&in&range(len(a[0]))][[1,&4,&7],&[2,&5,&8],&[3,&6,&9]]
另外一种让人困惑的方法就是利用zip函数：
&&&&a =&[[1,&2,&3],&[4,&5,&6],&[7,&8,&9]]&&&&zip(*a)[(1,&4,&7),&(2,&5,&8),&(3,&6,&9)]&&&&map(list,zip(*a))[[1,&4,&7],&[2,&5,&8],&[3,&6,&9]]
这种方法速度更快但也更难以理解，将list看成tuple解压，恰好得到我们&行列互换&的效果，再通过对每个元素应用list()函数，将tuple转换为list
Python函数式编程&&map()、reduce()
格式：map( func, seq1[, seq2...] )
Python函数式编程中的map()函数是将func作用于seq中的每一个元素，并用一个列表给出返回值。如果func为None，作用同zip()。
当seq只有一个时，将func函数作用于这个seq的每个元素上，得到一个新的seq。下图说明了只有一个seq的时候map()函数是如何工作的（本文图片来源：《Core Python Programming (2nd edition)》）。
可以看出，seq中的每个元素都经过了func函数的作用，得到了func(seq[n])组成的列表。
下面举一个例子进行说明。假设我们想要得到一个列表中数字%3的余数，那么可以写成下面的代码。
Python函数式编程之map使用（一个seq）
print map( lambda x: x%3, range(6) )&&# [0, 1, 2, 0, 1, 2]
#使用列表解析
print [x%3 for x in range(6)]&&# [0, 1, 2, 0, 1, 2]
这里又和上次的filter()一样，使用了列表解析的方法代替map执行。那么，什么时候是列表解析无法代替map的呢？
原来，当seq多于一个时，map可以并行地对每个seq执行如下图所示的过程：
也就是说每个seq的同一位置的元素在执行过一个多元的func函数之后，得到一个返回值，这些返回值放在一个结果列表中。
下面的例子是求两个列表对应元素的积，可以想象，这是一种可能会经常出现的状况，而如果不是用map的话，就要使用一个for循环，依次对每个位置执行该函数。
Python函数式编程之map使用（多个seq）
print map( lambda x, y: x * y, [1, 2, 3], [4, 5, 6] )&&# [4, 10, 18]
上面是返回值是一个值的情况，实际上也可以是一个元组。下面的代码不止实现了乘法，也实现了加法，并把积与和放在一个元组中。
Python函数式编程之map使用（多个seq）
print map( lambda x, y: ( x * y, x + y), [1, 2, 3], [4, 5, 6] )&&# [(4, 5), (10, 7), (18, 9)]
还有就是上面说的func是None的情况，它的目的是将多个列表相同位置的元素归并到一个元组，在现在已经有了专用的函数zip()了。
Python函数式编程之map使用（func为None）
print map( None, [1, 2, 3], [4, 5, 6] )&&# [(1, 4), (2, 5), (3, 6)]
print zip( [1, 2, 3], [4, 5, 6] )&&# [(1, 4), (2, 5), (3, 6)]
需要注意的是，不同长度的多个seq是无法执行map函数的，会出现类型错误。
2.reduce()
格式：reduce( func, seq[, init] )
reduce函数即为化简，它是这样一个过程：每次迭代，将上一次的迭代结果（第一次时为init的元素，如没有init则为seq的第一个元素）与下一个元素一同执行一个二元的func函数。在reduce函数中，init是可选的，如果使用，则作为第一次迭代的第一个元素使用。
简单来说，可以用这样一个形象化的式子来说明：reduce( func, [1, 2,3] ) = func( func(1, 2), 3)
下面是reduce函数的工作过程图：
举个例子来说，阶乘是一个常见的数学方法，Python中并没有给出一个阶乘的内建函数，我们可以使用reduce实现一个阶乘的代码。
Python函数式编程之reduce使用
print reduce(lambda x, y: x * y, range(1, n + 1))&&# 120
那么，如果我们希望得到2倍阶乘的值呢？这就可以用到init这个可选参数了。
Python函数式编程之reduce使用
print reduce( lambda x, y: x * y, range( 1, n + 1 ), m )&&# 240
阅读(...) 评论()