精华内容
下载资源
问答
  • 第一个参数函数以参数序列中的每一个元素调用函数函数,返回包含每次函数函数返回值的新列表。 语法 map()函数语法: 参数 function - 函数 iterable - 一个或多个序列 返回值 Python 2.x返回列表。 ...

    补充知识:

    Python map()函数

    map()  会根据提供的函数对指定序列做映射

    第一个参数函数以参数序列中的每一个元素调用函数函数,返回包含每次函数函数返回值的新列表。

    语法

    map()函数语法:

    
    
    

    参数

    • function - 函数
    • iterable - 一个或多个序列

    返回值

    Python 2.x返回列表。

    Python 3.x返回迭代器。

    实例

    以下实例展示了map()的使用方法:

    >>> def square(x):#计算平方数...返回x ** 2 ...

    >>> map(square,[1,2,3,4,5])#计算列表各个元素的平方[1,4,9,16,25]

    >>> map(lambda x:x ** 2,[1,2,3,4,5])#使用lambda匿名函数[1,4,9,16, 25]#提供了两个列表,对相同位置的列表数据进行相加

    >>> map(lambda x,y:x + y,[1,3,5,7,9],[2,4,6] ,8,10])[3,7,11,15,19]

    reduce()函数也是Python内置的一个高阶函数。

    reduce()函数接收的参数和 map()类似,一个函数 f,一个list,但行为和 map()不同,reduce()传入的函数 f 必须接收两个参数,reduce()对list的每个元素反复调用函数f,并返回最终结果值。

    例如,编写一个f函数,接收x和y,返回x和y的和:

    1

    2

    def f(x, y):

        return + y

    调用 reduce(f, [1, 3, 5, 7, 9])时,reduce函数将做如下计算:

    1

    2

    3

    4

    5

    先计算头两个元素:f(13),结果为4

    再把结果和第3个元素计算:f(45),结果为9

    再把结果和第4个元素计算:f(97),结果为16

    再把结果和第5个元素计算:f(169),结果为25

    由于没有更多的元素了,计算结束,返回结果25

    上述计算实际上是对 list 的所有元素求和。虽然Python内置了求和函数sum(),但是,利用reduce()求和也很简单。

    reduce()还可以接收第3个可选参数,作为计算的初始值。如果把初始值设为100,计算:

    1

    reduce(f, [13579], 100)

    结果将变为125,因为第一轮计算是:

    计算初始值和第一个元素:f(100, 1),结果为101

    from functools import reduce
    
    l = [1, 2, 3, 4, 5, 6]
    """
    1.取出偶数下标:filter
    filter(lambda x:x%2==0, range(len(list)))    ==>[0,2,4]
    2.取出对应下标值:map
    map(lambda x:list[x],filter(lambda x:x%2==0, range(len(list))))   ==>[1,3,5]
    3.对应值加3:lambda
    map(lambda x:x+3,map(lambda x:list[x],filter(lambda x:x%2==0, range(len(list))))) ==>[4,6,8]
    4.将数组求和reduce 也可以用sum()函数
    reduce(lambda x,y: x+y,map(lambda x:x+3,map(lambda x:list[x],filter(lambda x:x%2==0, range(len(list))))))
    """
    
    a = reduce(lambda x, y: x + y, map(lambda i: l[i] + 3, list(filter(lambda y: y % 2 == 0, range(len(l))))))
    b = sum(list(map(lambda i: l[i] + 3, list(filter(lambda y: y % 2 == 0, range(len(l)))))))
    print(a)
    print(b)

     

    展开全文
  • 代码如下所示, 采用Python列表指定步长2进行切片, 可以得到偶数位元素列表, 列表元素个数即为加3次数. 所以使用sum对a求和后, 然后加上加3的次数即可. a = [1, 2, 3, 4, 5] sum(a) + len(a[::2])*3 .

    比较尴尬的是面试的时候这道题一下子没想起来怎么做, 连最简单的方式都没搞得出, 真的想起来就尬…

    题目

    笔试时的题目给了个例子, 是[1, 2, 3, 4, 5], 要求是: 对偶数位元素加3后然后对列表求和. 前提是使用一行Python代码完成.

    解法

    代码如下所示, 采用Python列表指定步长2进行切片, 可以得到偶数位元素列表, 列表元素个数即为加3次数. 所以使用sum对a求和后, 然后加上加3的次数即可.

    a = [1, 2, 3, 4, 5]
    sum(a) + len(a[::2])*3
    
    展开全文
  • 在使用mongo数据库时,简单的查询基本上可以满足大多数的业务场景,但是试想一下,如果要统计某一荐在指定的数据中出现了多少次该怎么查询呢?笨的方法是使用find 将数据查询出来,再使用count() 方法进行数据统计,...

    在使用mongo数据库时,简单的查询基本上可以满足大多数的业务场景,但是试想一下,如果要统计某一荐在指定的数据中出现了多少次该怎么查询呢?笨的方法是使用find 将数据查询出来,再使用count() 方法进行数据统计,这个场景还好,但是如果要求其中某个字段的和呢?是不是就非得遍历出相应的数据然后再进行求和运算呢?

    在mysql中我们经常会用到count、group by 等查询,在mongodb中我们也可以使用聚合查询。

    假设有这样的一组数据

    价格

    里面记录了每种水果的价格,现在我要统计一下,各种水果在这张表中出现的次数,如果不用聚合查询的话,思路应该是这样,先把表中所有的数据都取出来,然后初始化一个字典,然后再遍历每一行的数据,获取它的fName ,然后再更新字典中的计数,这种方法的时间复杂度是O(N)的,如果数据量很大的话不是很好,下面来看一下使用聚合是怎么查询的。

    聚合查询使用的是aggregate函数,它的参数是 pipeline 管道,管道的概念是用于将当前命令的输出结果作为下一个命令的参数,管道是有顺序的,比如通过第一个管道操作以后没有符合的数据那么之后的管道操作也就不会有输入,所以一定得要注意管道操作的顺序。由于对于上述问题,我们要的是所的数据统计,所以这里就不需要$match了

    from pymongo import MongoClient

    client = MongoClient(host=['%s:%s'%(mongoDBhost,mongoDBport)])

    G_mongo = client[mongoDBname]['FruitPrice']

    pipeline = [

    {'$group': {'_id': "$fName", 'count': {'$sum': 1}}},

    ]

    for i in G_mongo['test'].aggregate(pipeline):

    print i

    数据大家可以自已构造,这里主要是看aggregate的用法。

    得到的结果是

    1

    2

    3

    {u'count': 8, u'_id': u'banana'}

    {u'count': 9, u'_id': u'pear'}

    {u'count': 14, u'_id': u'apple'}

    可以看到,一步操作就可以得到相应的统计了。

    如果想要获取价格在50以上的各种统计呢?

    这时有pipeline应该再$group 之前加上$match 操作

    1

    2

    3

    4

    pipeline = [

    {'$match':{'price':{'$gte':50}}},

    {'$group': {'_id': "$fName", 'count': {'$sum': 1}}},

    ]

    一定要注意顺序

    $match里的条件其实就和使用find函数里是一样的。

    下面重点来说说$group操作,group意为分组,指数据根据哪个字段进行分组,上面使用的{'$group': {'_id': "$fName", 'count': {'$sum': 1},_id为所要分的组,这里是以fName字段分的,后面的'count': {'$sum': 1},这里的$sum就是求和的意思,后面的值是1,也就是说每出现一次就加1,这样就能达到计数的目的了,如果要计算价格 price 的和,那么这里就应该写成这样

    1

    {'$group': {'_id': "$fName", 'count': {'$sum': '$price'}}}

    注意这里的字段要有$ 的,如果我想要求价格的平均值呢?也就是先要求出价格的总数,再除以商品的个数,但是这里有一个$avg 操作

    1

    2

    3

    4

    pipeline = [

    {'$match':{'price':{'$gte':50}}},

    {'$group': {'_id': "$fName", 'avg': {'$avg': '$price'}}},

    ]

    得到的结果

    1

    2

    3

    {u'_id': u'banana', u'avg': 66.200000000000003}

    {u'_id': u'pear', u'avg': 77.0}

    {u'_id': u'apple', u'avg': 74.0}

    类似于$ave的操作还有很多,比较常用的是$min(求最小值),$max(求最大值)

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    pipeline = [

    {'$match':{'price':{'$gte':50}}},

    {'$group': {'_id': "$fName",

    'count':{'$sum':1},

    'priceAll':{'$sum':'$price'},

    'avg': {'$avg': '$price'},

    'min': {'$min':'$price'},

    'max': {'$max':'$price'}

    }

    },

    ]

    for i in G_mongo['test'].aggregate(pipeline):

    print i

    所有支持的操作可以参考官方文档:group 支持的操作

    以哪个字段进行分组时必须使用_id。

    接下来看一下多键分组。

    以上在使用group 进行分组查询的时候,用到的_id都是单一字段,比如我的数据库中有如下数据

    带用户的数据

    带有一个user 字段了,那如果我要根据user和fName进行分组该如何操作呢?

    这里可以传一个字典进去

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    pipeline = [

    {'$match':{'price':{'$gte':50}}},

    {'$group': {'_id': {'fName':'$fName','user':'$user'},

    'count':{'$sum':1},

    'priceAll':{'$sum':'$price'},

    'avg': {'$avg': '$price'},

    'min': {'$min':'$price'},

    'max': {'$max':'$price'}

    }

    },

    ]

    for i in G_mongo['test2'].aggregate(pipeline):

    print i

    得到的结果如下:

    1

    2

    3

    4

    5

    6

    7

    8

    9

    {u'count': 1, u'avg': 93.0, u'min': 93, u'max': 93, u'_id': {u'user': u'fanjieying', u'fName': u'pear'}, u'priceAll': 93}

    {u'count': 2, u'avg': 88.0, u'min': 87, u'max': 89, u'_id': {u'user': u'yangyanxing', u'fName': u'banana'}, u'priceAll': 176}

    {u'count': 2, u'avg': 70.0, u'min': 69, u'max': 71, u'_id': {u'user': u'yangyanxing', u'fName': u'pear'}, u'priceAll': 140}

    {u'count': 2, u'avg': 65.5, u'min': 58, u'max': 73, u'_id': {u'user': u'fanjieying', u'fName': u'banana'}, u'priceAll': 131}

    {u'count': 3, u'avg': 92.333333333333329, u'min': 86, u'max': 97, u'_id': {u'user': u'fantuan', u'fName': u'banana'}, u'priceAll': 277}

    {u'count': 2, u'avg': 78.5, u'min': 73, u'max': 84, u'_id': {u'user': u'yangyanxing', u'fName': u'apple'}, u'priceAll': 157}

    {u'count': 3, u'avg': 56.666666666666664, u'min': 51, u'max': 60, u'_id': {u'user': u'fantuan', u'fName': u'pear'}, u'priceAll': 170}

    {u'count': 2, u'avg': 81.5, u'min': 73, u'max': 90, u'_id': {u'user': u'fanjieying', u'fName': u'apple'}, u'priceAll': 163}

    {u'count': 2, u'avg': 69.5, u'min': 53, u'max': 86, u'_id': {u'user': u'fantuan', u'fName': u'apple'}, u'priceAll': 139}

    这里的结果显示出每个用户买了哪个商品,一共花了多少钱,最大最小平均值等都可以一次性的展示了,如果要是使用for循环自已遍历的话这种时间复杂度相当高。

    这里只是简单的说了下$group和$match 的用法,聚合查询支持很多种操作(称为stages),可以通官方文档进行查看

    pymongo 中pipeline中的stages

    展开全文
  • 前言在使用mongo数据库时,简单的查询基本上可以满足大多数的业务场景,但是试想一下,如果要统计某一荐在指定的数据中出现了多少次该怎么查询呢?笨的方法是使用find 将数据查询出来,再使用count() 方法进行数据...

    前言

    在使用mongo数据库时,简单的查询基本上可以满足大多数的业务场景,但是试想一下,如果要统计某一荐在指定的数据中出现了多少次该怎么查询呢?笨的方法是使用find 将数据查询出来,再使用count() 方法进行数据统计,这个场景还好,但是如果要求其中某个字段的和呢?是不是就非得遍历出相应的数据然后再进行求和运算呢?

    在mysql中我们经常会用到count、group by 等查询,在mongodb中我们也可以使用聚合查询。

    假设有这样的一组数据

    价格

    里面记录了每种水果的价格,现在我要统计一下,各种水果在这张表中出现的次数,如果不用聚合查询的话,思路应该是这样,先把表中所有的数据都取出来,然后初始化一个字典,然后再遍历每一行的数据,获取它的fName ,然后再更新字典中的计数,这种方法的时间复杂度是O(N)的,如果数据量很大的话不是很好,下面来看一下使用聚合是怎么查询的。

    聚合查询使用的是aggregate函数,它的参数是 pipeline 管道,管道的概念是用于将当前命令的输出结果作为下一个命令的参数,管道是有顺序的,比如通过第一个管道操作以后没有符合的数据那么之后的管道操作也就不会有输入,所以一定得要注意管道操作的顺序。由于对于上述问题,我们要的是所的数据统计,所以这里就不需要$match了

    from pymongo import MongoClient

    client = MongoClient(host=['%s:%s'%(mongoDBhost,mongoDBport)])

    G_mongo = client[mongoDBname]['FruitPrice']

    pipeline = [

    {'$group': {'_id': "$fName", 'count': {'$sum': 1}}},

    ]

    for i in G_mongo['test'].aggregate(pipeline):

    print i

    数据大家可以自已构造,这里主要是看aggregate的用法。

    得到的结果是

    {u'count': 8, u'_id': u'banana'}

    {u'count': 9, u'_id': u'pear'}

    {u'count': 14, u'_id': u'apple'}

    可以看到,一步操作就可以得到相应的统计了。

    如果想要获取价格在50以上的各种统计呢?

    这时有pipeline应该再$group 之前加上$match 操作

    pipeline = [

    {'$match':{'price':{'$gte':50}}},

    {'$group': {'_id': "$fName", 'count': {'$sum': 1}}},

    ]

    一定要注意顺序

    $match里的条件其实就和使用find函数里是一样的。

    下面重点来说说$group操作,group意为分组,指数据根据哪个字段进行分组,上面使用的{'$group': {'_id': "$fName", 'count': {'$sum': 1},_id为所要分的组,这里是以fName字段分的,后面的'count': {'$sum': 1},这里的$sum就是求和的意思,后面的值是1,也就是说每出现一次就加1,这样就能达到计数的目的了,如果要计算价格 price 的和,那么这里就应该写成这样

    {'$group': {'_id': "$fName", 'count': {'$sum': '$price'}}}

    注意这里的字段要有$ 的,如果我想要求价格的平均值呢?也就是先要求出价格的总数,再除以商品的个数,但是这里有一个$avg 操作

    pipeline = [

    {'$match':{'price':{'$gte':50}}},

    {'$group': {'_id': "$fName", 'avg': {'$avg': '$price'}}},

    ]

    得到的结果

    {u'_id': u'banana', u'avg': 66.200000000000003}

    {u'_id': u'pear', u'avg': 77.0}

    {u'_id': u'apple', u'avg': 74.0}

    类似于$ave的操作还有很多,比较常用的是$min(求最小值),$max(求最大值)

    pipeline = [

    {'$match':{'price':{'$gte':50}}},

    {'$group': {'_id': "$fName",

    'count':{'$sum':1},

    'priceAll':{'$sum':'$price'},

    'avg': {'$avg': '$price'},

    'min': {'$min':'$price'},

    'max': {'$max':'$price'}

    }

    },

    ]

    for i in G_mongo['test'].aggregate(pipeline):

    print i

    所有支持的操作可以参考官方文档:group 支持的操作

    以哪个字段进行分组时必须使用_id。

    接下来看一下多键分组。

    以上在使用group 进行分组查询的时候,用到的_id都是单一字段,比如我的数据库中有如下数据

    带用户的数据

    带有一个user 字段了,那如果我要根据user和fName进行分组该如何操作呢?

    这里可以传一个字典进去

    pipeline = [

    {'$match':{'price':{'$gte':50}}},

    {'$group': {'_id': {'fName':'$fName','user':'$user'},

    'count':{'$sum':1},

    'priceAll':{'$sum':'$price'},

    'avg': {'$avg': '$price'},

    'min': {'$min':'$price'},

    'max': {'$max':'$price'}

    }

    },

    ]

    for i in G_mongo['test2'].aggregate(pipeline):

    print i

    得到的结果如下:

    {u'count': 1, u'avg': 93.0, u'min': 93, u'max': 93, u'_id': {u'user': u'fanjieying', u'fName': u'pear'}, u'priceAll': 93}

    {u'count': 2, u'avg': 88.0, u'min': 87, u'max': 89, u'_id': {u'user': u'yangyanxing', u'fName': u'banana'}, u'priceAll': 176}

    {u'count': 2, u'avg': 70.0, u'min': 69, u'max': 71, u'_id': {u'user': u'yangyanxing', u'fName': u'pear'}, u'priceAll': 140}

    {u'count': 2, u'avg': 65.5, u'min': 58, u'max': 73, u'_id': {u'user': u'fanjieying', u'fName': u'banana'}, u'priceAll': 131}

    {u'count': 3, u'avg': 92.333333333333329, u'min': 86, u'max': 97, u'_id': {u'user': u'fantuan', u'fName': u'banana'}, u'priceAll': 277}

    {u'count': 2, u'avg': 78.5, u'min': 73, u'max': 84, u'_id': {u'user': u'yangyanxing', u'fName': u'apple'}, u'priceAll': 157}

    {u'count': 3, u'avg': 56.666666666666664, u'min': 51, u'max': 60, u'_id': {u'user': u'fantuan', u'fName': u'pear'}, u'priceAll': 170}

    {u'count': 2, u'avg': 81.5, u'min': 73, u'max': 90, u'_id': {u'user': u'fanjieying', u'fName': u'apple'}, u'priceAll': 163}

    {u'count': 2, u'avg': 69.5, u'min': 53, u'max': 86, u'_id': {u'user': u'fantuan', u'fName': u'apple'}, u'priceAll': 139}

    这里的结果显示出每个用户买了哪个商品,一共花了多少钱,最大最小平均值等都可以一次性的展示了,如果要是使用for循环自已遍历的话这种时间复杂度相当高。

    这里只是简单的说了下$group和$match 的用法,聚合查询支持很多种操作(称为stages),可以通官方文档进行查看

    pymongo 中pipeline中的stages

    参考文章

    总结

    以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对脚本之家的支持。

    展开全文
  • 列表 2020.12.28

    2020-12-28 16:50:49
    使用remove()方法删除列表指定元素 - 按值删除 使用del语句删除列表指定元素 - 按索引删除 四、 列表基本操作 (一)加法操作 (二)乘法操作 (三)检查成员 五、作用于列表的函数 (一)列表比较 - operator模块 ...
  • 1. 列表使用sum, 如下代码,对1维列表和二维列表,numpy.sum(a)都能将列表a中的所有元素求和并返回,a.sum()用法是非法的。 但是对于1维列表,sum(a)和numpy.sum(a)效果相同,对于二维列表,sum(a)会报错,用法非法...
  • max()、min()返回列表所有元素最大最小值,sum()求和,len()返回列表元素个数,zip()函数用于将多个列表元素重新组合为元组并返回这些元组的zip对象,enumerate()返回包含若干下标和值的迭代对象,map()把函数映射...
  • 简单列表操作 """ 1.遍历列表 2.python利用缩进来判断代码行与前一个代码行之间的关系 3.创建数值列表,range()函数能够生成一系列的数字 ...8.获取列表指定索引段的元素,pyt...
  • 文章目录1 数组(Array)1.1 创建数组1.2 获取索引的值1.3 修改指定索引的值1.4 判断元素是否存在1.5 长度1.6 遍历2 可变数组(ArrayBuffer)2.1 创建2.2 增加元素2.3 获取指定索引的元素2.4 修改指定索引的元素2.5 ...
  • 2020-10-29

    2020-10-29 14:11:59
    Python基础知识(3) 1.列表 a.append() #在列表尾部添加元素 a.extend([ ]) #将目标列表的所有元素添加到原列表尾部 a.insert( , ) #插入元素,第一个参数是插入位置...sum(a ) #对列表元素求和 二维列表 源码: a
  • python sum函数

    2018-11-05 21:32:00
    2、若object是数组类型,object.sum(),np.sum(object)可以实现对object中所有元素求和并返回单个数值;但是若object是二维数组且只对某个轴上的元素进行求和,则object.sum(axis=0)指定对数组object的每列进行求和...
  • python基础----map和reduce

    2015-12-24 16:19:09
    map和reduceMap简单来说就是:一个映射函数就是对一些独立元素组成的概念上的列表的每一个元素进行指定的操作 Reduce简单来说就是:对一个列表元素进行适当的合并举两个小例子: (1)现在有一个python的list...
  • MapReduce点滴

    2015-05-24 18:21:40
    1、一个映射(Map)函数就是对一些独立元素组成的列表中的每一个元素进行指定的操作。类似于STL中的算法。Map操作是可以高度并行的,这对高性能要求的应用和并行计算领域非常有用。 2、化简操作指的是对一个列表的...
  • np.sum和sum的区别

    千次阅读 2019-01-05 10:28:02
    2. 在数组和矩阵中使用sum: 对数组b和矩阵c,代码b.sum(),np.sum(b),c.sum(),np.sum(c)都能将b、c中的所有元素求和并返回单个数值。 但是对于二维数组b,代码b.sum(axis=0)指定对数组b对每列求...
  • sum(): 计算数组元素之和,可对列表,元组等和数组类似的序列求和。 a=np.random.randint(0,10,size) np.sum(a) #数组所有元素指定axis参数可以让运算沿轴进行 np.sum(a,axis=0) 上面的结果将用一个...
  • 它会将序列的前两个元素指定的函数联合使用,并且将他们的返回值和第三个元素继续联合使用,知道序列处理完毕,得到最终结果。例如求和的算法 >>> nums=[1,2,3,4,6,7,8,1,4,7,8,5,2,45,756,7
  • DataFrame.agg(func,axis = 0,* args,** kwargs)func : 函数,函数名称,函数列表,字典{‘行名/列名’,‘函数名’}使用指定轴上的一个或多个操作进行聚合。agg是一个聚合函数,聚合函数操作始终是在轴(默认是列...
  • numpy—np.tensordot

    2021-02-26 17:45:21
    沿指定的轴计算张量点积 参数 a, b : array_like 张量 axes :int or (2,) array_like 如果为整数,则按顺序,对a的最后N个轴和b的前N个轴求和。相应轴的尺寸必须匹配 如果为两个array,则为要求和的轴列表,第一...
  • 实例198 随机查询求和 实例199 统计某个值出现的次数 6.13 多表查询(连接查询) 实例200 利用from子句进行多表查询 实例201 使用表别名 实例202 合并多个结果集 实例203 笛卡儿乘积查询 6.14 嵌套查询 实例204 简单...
  • 200个经典C程序【源码】

    千次下载 热门讨论 2013-08-08 10:48:40
    024 寻找指定元素的指针 025 寻找相同元素的指针 026 阿拉伯数字转换为罗马数字 027 字符替换 028 从键盘读入实数 029 字符行排版 030 字符排列 031 判断字符串是否回文 032 通讯录的输入输出 033 扑克牌的...
  • 34.在多个工作表中查找一个范围内符合某个指定条件的项目对应指定范围加总求和 35.返回 Column 英文字 36.查找指定列名的列数 37.文字格式的时间(分:秒)转化为数字格式(秒) 38.将"hh:mm:ss"格式的时分秒数转换成秒数...
  • 2.1.11 SUMIFS——按多个条件对指定单元格求和 59 2.1.12 SUMPRODUCT——计算数组元素的乘积之和 60 2.1.13 SUMSQ——计算参数的平方和 61 2.1.14 SUMXMY2——计算数组对应值之差的平方和 62 2.1.15 SUMX2MY2...
  • 实例228 通过指定的字符在集合中查找元素 实例229 对集合进行比较 实例230 应用adjacent_find算法搜索相邻的重复元素 实例231 应用count算法计算相同元素的个数 实例232 应用random_shuffle算法将元素顺序随机...
  • 实例228 通过指定的字符在集合中查找元素 实例229 对集合进行比较 实例230 应用adjacent_find算法搜索相邻的重复元素 实例231 应用count算法计算相同元素的个数 实例232 应用random_shuffle算法将元素顺序随机...
  • 024 寻找指定元素的指针 025 寻找相同元素的指针 026 阿拉伯数字转换为罗马数字 027 字符替换 028 从键盘读入实数 029 字符行排版 030 字符排列 031 判断字符串是否回文 032 通讯录的输入输出 033 扑克牌的...
  • Python Cookbook

    2013-07-31 22:33:26
    4.12 将列表元素交替地作为键和值来创建字典 159 4.13 获取字典的一个子集 161 4.14 反转字典 163 4.15 字典的一键多值 164 4.16 用字典分派方法和函数 166 4.17 字典的并集与交集 167 4.18 搜集命名的子项 ...
  • 024 寻找指定元素的指针 025 寻找相同元素的指针 026 阿拉伯数字转换为罗马数字 027 字符替换 028 从键盘读入实数 029 字符行排版 030 字符排列 031 判断字符串是否回文 032 通讯录的输入...
  • 3.6.1 创建一个名称列表 3.6.2 在公式中使用名称 3.6.3 使用带名称的交叉运算符 3.6.4 使用带名称的范围运算符 3.6.5 引用多单元格命名范围中的单个单元格 3.6.6 在现有公式中使用名称 3.6.7 创建公式时自动...
  • 3.6.1 创建一个名称列表 3.6.2 在公式中使用名称 3.6.3 使用带名称的交叉运算符 3.6.4 使用带名称的范围运算符 3.6.5 引用多单元格命名范围中的单个单元格 3.6.6 在现有公式中使用名称 3.6.7 创建公式时自动...
  • 024 寻找指定元素的指针 025 寻找相同元素的指针 026 阿拉伯数字转换为罗马数字 027 字符替换 028 从键盘读入实数 029 字符行排版 030 字符排列 031 判断字符串是否回文 032 通讯录的输入输出 033 扑克牌的...

空空如也

空空如也

1 2 3
收藏数 51
精华内容 20
关键字:

列表指定元素求和