我有一个很简单的问题。
我想在VB中实现以下脚本代码Python：-在dim objSfact
dim objOrun
dim mystep
Set objOrun = QCutil.CurrentRun
Set objSfact = objOrun.StepFactory
Set att = objSfact.AddItem(null)
att.name = aStepname
att.post
Set steplist = objSfact.NewList("SELECT * FROM Step
WHERE
ST_STEP_NAME='" & aStepname & "'")
For each mystep in steplist
mystep.Status = aStatus
myStep.Field("ST_DESCRIPTION") = aDesc
myStep.Field("ST_EXPECTED") = aExpected
mystep.Field("ST_ACTUAL") = aActual
If mystep.Status = "Failed" then
objOrun.Status = "Failed"
end if
mystep.Post
Next
Set objSfact = Nothing
Set objOrun = Nothing
尤其是，我不能在Python中做到这一点-我的脚印(“实际STđu”)
=aActual；因为我得到以下错误-
“语法错误：无法分配给函数调用”
有什么帮助吗？
谢谢，
阿米特

原标题：Python中14个切片操作，你常用哪几个？
切片(Slice)是一个取部分元素的操作，是Python中特有的功能。它可以操作list、tuple、字符串。
Python的切片非常灵活，一行代码就可以实现很多行循环才能完成的操作。切片操作的三个参数 [start: stop: step] ，其中start是切片的起始位置，stop是切片的结束位置(不包括)，step可以不提供，默认值是1，并且step可为负数(详细使用见下)
下面盘点下切片的常见操作。
1
切取的元素不包括右端点
2
切片左端点为0，可省略
3
每两个取一个
4
支持倒数切片，倒数第一个元素的索引是-1
5
原样复制一个list
6
起始索引和终止索引都省略，也就都为默认值，如下步长设置为2切取元素
7
一行代码实现列表反转
8
步长为负数，实际上指明了一个逆向迭代器。如下逆向倒数，每两个取一个。
9
值得注意，Python超出索引范围不报错
10
步长step为0，会报错
11
切片操作的三个参数可以用表达式
12
连续切片操作
13
元组对象的切片操作
14
字符串的切片
以上就是Python切片常用的14个操作，希望能帮助到大家。返回搜狐，查看更多
责任编辑：

摘要:
下文讲述Python代码中range()函数的功能说明，如下所示:
range函数功能说明
range()函数功能:
用于创建一个整数列表
range函数语法:
range(start, stop[, step])
-------参数说明------
start:计数从 start 开始。默认是从 0 开始。如range(8)等价于range(0,8)
stop:计数到 stop 结束，但不包括 stop。如：range(0,8) 是[0,1,2,3,4,5,6,7]没有8
step步长，默认为1。例如：range(0,8)等价于 range(0,8,1)
-------返回值------
返回列表
例:
Python range函数示例分享
>>> print (list(range(8)))
[0, 1, 2, 3, 4, 5, 6, 7]
>>> print (list(range(0,8)))
[0, 1, 2, 3, 4, 5, 6, 7]
>>> print (list(range(0,8,2)))
[0, 2, 4, 6]
>>> print (list(range(0)))
[]
>>> print (list(range(2,0)))
[]
>>> print (list(range(2,0)))
[]
>>> print (list(range(0,-10)))
[]
>>> print (list(range(0,-10,-1)))
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
>>> print (list(range(0,-10,-2)))
[0, -2, -4, -6, -8]
//range结合for循环遍历字符串
>>> t ="maomao365.com"
>>> for i in range(len(t)):
...  print(t[i])
...
m
a
o
m
a
o
3
6
5
.
c
o
m

# 搜索算法4：模拟退火算法
# 参数：T代表原始温度，cool代表冷却率，step代表每次选择临近解的变化范围
# 原理：退火算法以一个问题的随机解开始，用一个变量表示温度，这一温度开始时非常高，而后逐步降低
#      在每一次迭代期间，算啊会随机选中题解中的某个数字，然后朝某个方向变化。如果新的成本值更
#      低，则新的题解将会变成当前题解，这与爬山法类似。不过，如果成本值更高的话，则新的题解仍
#      有可能成为当前题解，这是避免局部极小值问题的一种尝试。
# 注意：算法总会接受一个更优的解，而且在退火的开始阶段会接受较差的解，随着退火的不断进行，算法
#      原来越不能接受较差的解，直到最后，它只能接受更优的解。
# 算法接受较差解的概率 P = exp[-(highcost-lowcost)/temperature]
def annealingoptimize(self, domain, T=10000.0, cool=0.98, step=1):
# 随机初始化值
vec = [random.randint(domain[i][0], domain[i][1]) for i in range(len(domain))]
# 循环
while T > 0.1:
# 选择一个索引值
i = random.randint(0, len(domain) - 1)
# 选择一个改变索引值的方向
c = random.randint(-step, step)  # -1 or 0 or 1
# 构造新的解
vecb = vec[:]
vecb[i] += c
if vecb[i] < domain[i][0]:  # 判断越界情况
vecb[i] = domain[i][0]
if vecb[i] > domain[i][1]:
vecb[i] = domain[i][1]
# 计算当前成本和新的成本
cost1 = self.schedulecost(vec)
cost2 = self.schedulecost(vecb)
# 判断新的解是否优于原始解 或者 算法将以一定概率接受较差的解
if cost2 < cost1 or random.random() < math.exp(-(cost2 - cost1) / T):
vec = vecb
T = T * cool  # 温度冷却
print vecb[:], "代价:", self.schedulecost(vecb)
self.printschedule(vec)
print "模拟退火算法得到的最小代价是：", self.schedulecost(vec)
return vec