ON @onlyanalystgroup
Showing posts older than #30 · Back to latest
range().
range()- это удобная функция для генерации последовательности чисел. Она обычно используется в циклах
forдля выполнения итерации определенное количество раз. Вот пример:
for i in range(5):Функция
print(i)
Output: 0 1 2 3 4
range()принимает до трех аргументов:
start,
stopи
step.
start(необязательно) — это первое значение последовательности. Если не указано, то по умолчанию значение равно 0.
stop(обязательно) – это конечное значение последовательности. Это значение не включено в последовательность.
step(необязательно) — это разница между каждым значением в последовательности. Если не указано, то по умолчанию значение равно 1.
range()со всеми тремя параметрами для генерации последовательности четных чисел от 2 до 10:
for i in range(2, 11, 2):Вы также можете использовать параметр
print(i)
Output: 2 4 6 8 10
stepдля изменения списка в обратном направлении, установив для него значение -1. Например:
my_list = [1, 2, 3, 4, 5]В следующих постах мы познакомимся с еще некоторыми встроенными функциями: 🧐
reversed_list = my_list[::-1] # using slicing
print(reversed_list)
Output: [5, 4, 3, 2, 1]
# Используя range
reversed_list = []
for i in range(len(my_list)-1, -1, -1):
reversed_list.append(my_list[i])
print(reversed_list)
Output: [5, 4, 3, 2, 1]
enumerateи 🗺
map.
range()вы знаете?
# Создаем 2 множества
set1 = {1, 2, 3, 4, 5}
set2 = {4, 5, 6, 7, 8}
print(set1) # Output: {1, 2, 3, 4, 5}
print(set2) # Output: {4, 5, 6, 7, 8}
# set1
set1.add(6)
print(set1) # Output: {1, 2, 3, 4, 5, 6}
# Удлаим элемент из set2
set2.remove(8)
print(set2) # Output: {4, 5, 6, 7}
# Найдем пересечение set1 и set2
intersection_set = set1.intersection(set2)
print(intersection_set) # Output: {4, 5, 6}
# Найдем уникальные значения set1 and set2
union_set = set1.union(set2)
print(union_set) # Output: {1, 2, 3, 4, 5, 6, 7}arr = [{'a': 1, 'b': 2},
{'a': 3, 'b': 4},
{'c': 5}]
for i in arr:
pass
for i in arr:
i.keys()result = []
for i in arr:
result.extend(i.keys())
print(result)
#Output ['a', 'b', 'a', 'b', 'c']result = []
for i in arr:
result.extend(i.keys())
result = set(result)
print(result)
#Output ['a','c','b']my_dict = {key: value for key, value в iterable}my_list = ['apple', 'banana', 'cherry']
my_dict = {string: len(string) for string in my_list}
print(my_dict)
# Output: {'apple': 5, 'banana': 6, 'cherry': 6}my_dict = {'apple': 3, 'banana': 6, 'cherry': 2, orange: 8}
filtered_dict = {key: value for key, value in my_dict.items() if value > 5}
print(filtered_dict)
# Output: {'banana': 6, orange: 8}numbers = [1, 2, 3, 4, 5]
squares_dict = {место для кода}
# Output {1: 1, 2: 4, 3: 9, 4: 16, 5: 25}my_dict = {"apple": 2, "banana": 3, "orange": 1}
my_dict.get("apple", 0)
# Output: 2
my_dict.get("kiwi", 0)
# Output: 0
🧹 Нахождение дубликатов (словарное включение)numbers = [1, 2, 2, 3, 4, 4, 4, 5, 6, 6, 7]🎲 Подсчет бросаний кубика со словарем
unique_numbers = {num: numbers.count(num) for num in numbers}
print(unique_numbers)
# Output: {1: 1, 2: 2, 3: 1, 4: 3, 5: 1, 6: 2, 7: 1}
import random🔑 Создание словаря из двух списков
rolls = [random.randint(1, 6) for _ in range(100)]
counts = {}
for roll in rolls:
counts[roll] = counts.get(roll, 0) + 1
print(counts)
# Output: {1: 16, 2: 18, 3: 18, 4: 21, 5: 15, 6: 12}
keys = ['apple', 'banana', 'orange']В следующем посте разберем другие методы словарей и как их использовать для решения задач!
values = [2, 3, 1]
my_dict = dict(zip(keys, values))
print(my_dict)
# Output: {'apple': 2, 'banana': 3, 'orange': 1}
import pandas as pd
# Создаем два DataFrames
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [4, 5, 6], 'B': [7, 8, 9]})
# Используем concat() для объединения DataFrames горизонтально
combined_df1 = pd.concat([df1, df2], axis=1)
print(combined_df1)
# Используем concat() to combine two DataFrames вертикально
combined_df2 = pd.concat([df1, df2], axis=0)
print(combined_df2)
# Создаем два DataFrames с общей колонкой
df3 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': ['X', 'Y', 'Z']})
df4 = pd.DataFrame({'A': [2, 3, 4], 'D': [7, 8, 9], 'C': ['Y', 'Z', 'W']})
# Используем merge() для объединения DataFrames на основе общей колонки “C”
combined_df3 = pd.merge(df3, df4, on='C')
print(combined_df3)
# Создаем два DataFrames с общим индексом
df5 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=[10, 20, 30])
df6 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]}, index=[10, 20, 40])
# Используем join() для объединения DataFrames на основе индекса
combined_df4 = df5.join(df6)
print(combined_df4)
my_dict = {"яблоко": 2, "банан": 3, "апельсин": 1}my_dict["яблоко"]
# Output: 2
my_dict["банан"] = 4
my_dict["банан"]
# Output: 4
del my_dict["апельсин"]
my_dict
Output: {"яблоко": 2, "банан": 4}
x = {'a': 1, 'b': 2}
y = {'b': 3, 'c': 4}z = x | y
z = {**x, **y}{'a': 1, 'b': 3, 'c': 4}