Day 4：list 和 tuple 的 12 个经典使用案例

主要是根据一些例子，熟悉使用list和tuple

1. 判断 list 内有无重复元素

还记的列表的count方法吗？

除了count，还有集合的思想也有帮助。（集合的运行时间明显比使用列表count方法短）

import time

def is_duplicated(lst):
    # 检验容器list对象lst是否有重复的元素
    for x in lst:
        if lst.count(x) > 1:
            return True
    return False

def is_duplicated_using_set(lst):
    # 使用集合的思想检验容器list对象lst是否有重复的元素
    return len(lst) != len(set(lst))
def main():
    a = [1, -2, 3, 4, 1, 2]
    startTime1 = time.time()
    print(is_duplicated(a))
    totalTime1 = round(time.time() - startTime1, 20)
    startTime2 = time.time()
    print(is_duplicated_using_set(a))
    totalTime2 = round(time.time() - startTime2, 20)

    print("totalTime1:%s " % totalTime1)
    print("totalTime2:%s " % totalTime2)

if __name__ == '__main__':
    main()

输出：

True
True
totalTime1:0.03096175193786621
totalTime2:0.0009534358978271484

 

2. 列表反转

那必须用切片来做啊  一行代码，起飞：

• [::-1] 生成逆向索引（负号表示逆向），步长为 1 的切片。

 

3. 找出列表中的所有重复元素

count方法，返回一个列表就好，而不要返回简单的True 和 False

def find_duplicate(lst):
    ret = []
    for x in lst:
        #if lst.count(x) > 1:
        if lst.count(x) > 1 and x not in ret:
            ret.append(x)
    return ret

 

4. 斐波那契数列

由于fibonacci数列是从最基本的两个元生成而来，自然然想到  

先建一个list，再往列表后添加一个元素，他是他的前两个元素的和就完事了

还有一种想法，学到了，使用生成器。  优点，代码简洁而且节省内存！

def gene_fibonacii(n):
    # 生成长度为n的Fibonacci数列  普通实现
    if n <= 1:
        return [1]
    
    fbnq = [1, 1]
    while len(fbnq) < n:
        fbnq.append(fbnq[len(fbnq) - 1] + fbnq[len(fbnq) - 2])
    return fbnq

def gene_fibonacii_by_yield(n):
    # 使用生成器 来生成fibonacci数列
    # 返回一个object,需要用list来手动生成列表
    a, b = 1, 1
    for _ in range(n):
        yield a
        a, b = b, a + b

调用：

    print(gene_fibonacii(20))
    print(list(gene_fibonacii_by_yield(10)))
 
　输出：

[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765] 
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

 

5. 出镜最多

list中，要求出现次数最多的元素：   

给大家介绍一下新朋友： max函数 python内置函数所以无需import

 max() 方法的语法:

max(arg1: _T, arg2: _T, /, *_args: _T, key: Callable[[_T], Any]=...) -> _T

def get_maxi_freq_items_of_list(lst):
    # 返回出现次数的那些元素  可以是多个
    # 使用python内置的max方法
    if not lst:
        return None
    max_freq_elem = max(lst, key=lambda v: lst.count(v))
    max_freq = lst.count(max_freq_elem) # 出现最多次数
    ret = []
    for i in lst:
        if i not in ret and lst.count(i) == max_freq:
            ret.append(i)
    return ret


lambda 的参数 v 是 lists 中的一个元素

 

6. 取几个列表中更长列表

def get_maxlen_list_from_lists(*lists):
    # 得到多个元素lists中长度最大的哪一个
    # 带有一个 * 的参数为可变的位置参数，意味着能传入任意多个位置参数。
    return max(*lists, key=lambda v: len(v))

 r = get_maxlen_list_from_lists([1, 2, 3], [4, 5, 6, 7], [8])

 print(f' 更长的列表是 {r}')

输出：

 更长的列表是 [4, 5, 6, 7]

 

 

 

7. 求表头表尾

表头lst[0]表尾lst[-1]，当lst为空时，返回None

def get_head_from_lst(lst):
    # 求表头
    return lst[0] if len(lst) > 0 else None

def get_tail_from_lst(lst):
    # 求表尾
    return lst[-1] if len(lst) > 0 else None

8. 打印乘法表

我们打印肯定是一行一行向下打印，：

1.每行做一个循环，每行输出完后打印一个换行

2.两个循环是直接方便的，内层循环用来打印每行的输出。 

def mul_table2():
    # 打印乘法表
    for i in range(1, 10):
        for j in range(1, i + 1):
            print(str(j) + str("*") + str(i) + "=" + str(i*j), end="\t")
        print() # 打印一个换行

1*1=1
1*2=2 2*2=4
1*3=3 2*3=6 3*3=9
1*4=4 2*4=8 3*4=12 4*4=16
1*5=5 2*5=10 3*5=15 4*5=20 5*5=25
1*6=6 2*6=12 3*6=18 4*6=24 5*6=30 6*6=36
1*7=7 2*7=14 3*7=21 4*7=28 5*7=35 6*7=42 7*7=49
1*8=8 2*8=16 3*8=24 4*8=32 5*8=40 6*8=48 7*8=56 8*8=64
1*9=9 2*9=18 3*9=27 4*9=36 5*9=45 6*9=54 7*9=63 8*9=72 9*9=81

 

9. 元素对（a, b）

zip(iter1, iter2)：实现 iter1 和 iter2 的对应索引处的元素拼接。

def pair_of_lst_element(lst):
    # 生成元素对
    # zip(list1, list2) 其中两个列表的长度一致，一边各取一个成对，依次往下，如果长度不一致，当有一个list的元素遍历完后就结束
    return list(zip(lst[1:-1],lst[1:]))

 

10. 样本抽样

从样本空间中，随机抽取若干个样本

• 使用列表生成式，生成大列表（样本空间）
• random 内置模块的sample函数来抽样：

def get_sample_from_random_numlst(mini, maxi, omg, sam):
    # 从样本空间中，随机抽取若干个样本，
    # mini, maxi, omg, sam 分别是整数样本空间的下限、上限、样本空间个数、样本个数
    from random import randint,sample
    lst = [randint(mini,maxi) for _ in range(omg)]
    if sam < omg:
        lst_sample = sample(lst, sam)
        print(lst_sample)
    else:
        print("请重新配置样本空间大小和样本数！")

get_sample_from_random_numlst(0, 1000, 50, 60)

 

请重新配置样本空间大小和样本数！

 

11. 重洗数据集

内置 random 中的 shuffle 函数，能重洗数据（打乱）。

shuffle 是对输入列表就地（in place）洗牌，节省存储空间：

shuffle(list) # list直接就被重洗了

 

12. 生成满足均匀分布的坐标点

random 模块，uniform(a,b) 生成 [a,b) 内的一个随机数。

借助列表生成式，生成 100 个均匀分布的坐标点。

然后再打印出来。使用 PyEcharts 绘图。

def plot_mean_dot_in_biaxis(lower_bound, upper_bound, numb):
    # 生成满足均匀分布的坐标点
    # lower_bound, upper_bound, numb 分别是下届，上界， 坐标点的个数
    # x 存储index，y存储值
    from random import uniform
    from pyecharts.charts import Scatter
    import pyecharts.options as opts
    x, y = [i for i in range(numb)], [
        round(uniform(lower_bound, upper_bound),2) for _ in range(numb)]
    print(y)
    # 用 PyEcharts 绘图


    c = (
        Scatter()
        .add_xaxis(x)
        .add_yaxis('y', y)
    )
    print(c.render()) #在当前工作区生成了一个 html文件

 plot_mean_dot_in_biaxis(0, 10, 100)

输出：

[1.41, 4.49, 1.16, 8.53, 7.33, 7.5, 6.54, 2.77, 3.37, 9.41, 6.12, 5.92, 1.95, 0.32, 9.08, 3.68, 7.98, 9.9, 9.97, 9.15, 9.53, 0.95, 4.89, 8.43, 4.89, 4.29, 0.4, 6.4, 5.76, 8.66, 9.84, 0.29, 2.36, 8.57, 3.17, 8.73, 6.03, 8.32, 
1.79, 1.19, 3.85, 6.23, 7.71, 3.39, 7.65, 9.79, 1.11, 7.54, 9.8, 4.8, 5.68, 0.83, 6.88, 0.91, 2.0, 2.98, 5.61, 1.99, 4.4, 0.47, 2.95, 9.17, 3.75, 1.33, 1.74, 1.2, 4.18, 7.05, 7.08, 5.01, 9.28, 6.36, 9.9, 0.93, 7.05, 8.49, 1.94, 8.74, 4.47, 5.82, 6.42, 7.93, 1.48, 5.52, 4.57, 7.92, 8.31, 8.09, 3.99, 8.52, 7.81, 3.3, 9.03, 4.98, 7.7, 3.75, 1.73, 8.37, 4.8, 0.15]