百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

Python编程入门(第10课):不可变序列-元组

itomcoil 2025-05-03 14:46 11 浏览

一、课程目标

  1. 学习Python不可变序列的基本特征;
  2. 学习以元组为代表的不可变序列的基本操作。

二、什么是元组

元组(tuple)是一种不可变的序列数据类型,用于存储一组有序的元素。与列表(list)不同,元组一旦创建后其内容无法修改。

三、创建元组

1. 使用圆括号()创建元组

这是最常见的方法。通过将元素放在圆括号中并用逗号分隔,可以创建一个元组。

In [ ]:

# 创建一个包含多个元素的元组
my_tuple = (1, 2, 3, 4)
print(my_tuple)  # 输出: (1, 2, 3, 4)

# 创建一个空元组
empty_tuple = ()
print(empty_tuple)  # 输出: ()

# 创建一个只包含一个元素的元组
single_element_tuple = (5,)
print(single_element_tuple)  # 输出: (5,)

注意:

  • 如果元组中只有一个元素,必须在元素后面加上逗号(,),否则Python会将其视为普通变量而非元组。

In [5]:

  not_a_tuple = (5)   # 这是一个整数,不是元组
  print(type(not_a_tuple))  # 输出: <class 'int'>

  is_a_tuple = (5,)   # 这是一个元组
  print(type(is_a_tuple))  # 输出: <class 'tuple'>
<class 'int'>
<class 'tuple'>

2. 使用tuple()构造函数创建元组

可以通过内置的 tuple() 函数将其他可迭代对象(如列表、字符串等)转换为元组。

In [6]:

# 从列表创建元组
list_to_tuple = tuple([1, 2, 3])
print(list_to_tuple)  # 输出: (1, 2, 3)

# 从字符串创建元组
string_to_tuple = tuple("hello")
print(string_to_tuple)  # 输出: ('h', 'e', 'l', 'l', 'o')

# 从范围对象创建元组
range_to_tuple = tuple(range(5))
print(range_to_tuple)  # 输出: (0, 1, 2, 3, 4)
(1, 2, 3)
('h', 'e', 'l', 'l', 'o')
(0, 1, 2, 3, 4)

四、元组的通用操作

元组也是序列,所以上节课讲到的列表的通用操作在元组中同样适用,包括:

1.元组的访问:使用索引

my_tuple = (10, 20, 30, 40)
print(my_tuple[1], my_tuple[-2])  # 正向索引和反向索引

2.元组的嵌套

nested_tuple = ((1, 2), ('a', 'b'))
print(nested_tuple[0][1], nested_tuple[1][0])

3.元组的切片

my_tuple = (1, 2, 3, 4, 5)
print(my_tuple[1:4], my_tuple[:3])

4.获取元组的长度

my_tuple = (10, 20, 30)
print(len(my_tuple))

5.检查元素是否包含在元组中

my_tuple = ('apple', 'banana', 'cherry')
print('banana' in my_tuple, 'orange' in my_tuple)

6.获取元组中最大的元素

my_tuple = (10, 20, 5, 25)
print(max(my_tuple))

7.获取元组中最小的元素

my_tuple = (10, 20, 5, 25)
print(min(my_tuple))

8.对元组所有元素求和

my_tuple = (1, 2, 3, 4, 5)
print(sum(my_tuple))

9.加法+运算:连接两个元组

tuple1 = (1, 2)
tuple2 = (3, 4)
print(tuple1 + tuple2)

10.乘法*运算:重复元组相应次数

my_tuple = ('a', 'b')
print(my_tuple * 3)

以上通用操作不再赘述,可以学习上一节课的视频。

五、元组的操作

(一)查找元素:index()

元组的 index() 方法是一个非常有用的内置方法,用于查找某个特定元素在元组中的索引位置。
如果该元素存在于元组中,
index() 方法会返回其首次出现的索引值;如果元素不存在,则会引发 ValueError 异常。

语法

tuple.index(element, start, end)
  • 参数说明:
    • element(必需):要查找的元素。
    • start(可选):指定从元组的哪个索引位置开始查找,默认为从头开始(即索引 0)。
    • end(可选):指定查找范围的结束索引(不包括该索引),默认为查找至元组末尾。
  • 返回值:
    • 返回第一个匹配元素的索引值。
    • 如果元素不存在于元组中,则抛出 ValueError 异常。

示例代码

1.基本用法

查找某个元素在元组中的索引位置:

In [7]:

my_tuple = (10, 20, 30, 40, 50)

# 查找元素 30 的索引
index_of_30 = my_tuple.index(30)
print(index_of_30)  # 输出: 2

# 查找元素 10 的索引
index_of_10 = my_tuple.index(10)
print(index_of_10)  # 输出: 0
2
0

2.查找不存在的元素

如果尝试查找元组中不存在的元素,会抛出 ValueError:

In [8]:

my_tuple = (10, 20, 30)

# 尝试查找不存在的元素 40
try:
    index_of_40 = my_tuple.index(40)
except ValueError as e:
    print("错误:", e)  # 输出: 错误: tuple.index(x): x not in tuple
错误: tuple.index(x): x not in tuple

3.使用可选参数start和end

可以通过 start 和 end 参数限制查找范围:

In [9]:

my_tuple = ('a', 'b', 'c', 'd', 'e', 'f')

# 在索引 2 到 5(不包括 5)之间查找 'd'
index_of_d = my_tuple.index('d', 2, 5)
print(index_of_d)  # 输出: 3

# 在索引 4 开始查找 'a'(不存在)
try:
    index_of_a = my_tuple.index('a', 4)
except ValueError as e:
    print("错误:", e)  # 输出: 错误: tuple.index(x): x not in tuple
3
错误: tuple.index(x): x not in tuple

注意事项

  1. 首次出现的位置: 如果元组中有多个相同的元素,index() 方法只会返回第一个匹配元素的索引。
  2. my_tuple = (1, 2, 3, 2, 4) print(my_tuple.index(2)) # 输出: 1 (第一次出现的位置)
  3. 区分数据类型: 元组中的元素是严格区分数据类型的。例如,整数 1 和浮点数 1.0 是不同的元素。
  4. my_tuple = (1, 1.0, '1') print(my_tuple.index(1)) # 输出: 0 print(my_tuple.index(1.0)) # 输出: 1 print(my_tuple.index('1')) # 输出: 2
  5. 不可变性的影响: 由于元组是不可变的,因此无法直接修改元组的内容。如果需要根据索引操作数据,通常需要先将元组转换为列表,进行修改后再转回元组。

(二)统计指定值在元组中出现的次数:count()

元组的 count() 方法用来计算某个指定值在元组中出现的次数。如果该值存在于元组中,则返回它的出现次数;如果该值不存在,则返回 0。

In [ ]:

my_tuple = (1, 2, 3, 2, 4, 2)

# 统计数字 2 出现的次数
count_of_2 = my_tuple.count(2)
print(count_of_2)  # 输出: 3

# 统计数字 5 出现的次数(不存在)
count_of_5 = my_tuple.count(5)
print(count_of_5)  # 输出: 0

(三)元组的排序

元组本身是不可变的数据类型,这意味着一旦创建,元组的内容无法直接修改。因此,元组本身并没有提供类似于列表的 sort() 方法来实现“原地排序”。

使用sorted()函数

sorted() 是一个内置函数,可以对任何可迭代对象(包括元组)进行排序,并返回一个新的列表。原始元组不会被修改。

语法

sorted(iterable, key=None, reverse=False)
  • 参数说明:
    • iterable:需要排序的可迭代对象(如元组)。
    • key(可选):指定排序规则的函数,默认为 None。
    • reverse(可选):布尔值,True 表示降序排序,False 表示升序排序(默认)。
  • 返回值:
    • 返回一个排序后的新列表。

示例代码

In [11]:

my_tuple = (3, 1, 4, 2)

# 升序排序
sorted_list = sorted(my_tuple)
print(sorted_list)  # 输出: [1, 2, 3, 4]

# 如果需要将结果转换回元组
sorted_tuple = tuple(sorted_list)
print(sorted_tuple)  # 输出: (1, 2, 3, 4)

# 降序排序
sorted_list = sorted(my_tuple, reverse=True)
print(sorted_list)  # 输出: [4, 3, 2, 1]

# 转换回元组
sorted_tuple = tuple(sorted_list)
print(sorted_tuple)  # 输出: (4, 3, 2, 1)
[1, 2, 3, 4]
(1, 2, 3, 4)
[4, 3, 2, 1]
(4, 3, 2, 1)

易错点总结

  • 如果元组中只有一个元素,仍然需要加逗号,否则就不是一个元组;
  • 元组为不可变序列,列表中有的如添加元素、更新元素、删除元素等在元组中不适用;
  • 使用sorted()进行排序后,返回的是列表,而不是元组。

相关推荐

Python Qt GUI设计:将UI文件转换Python文件三种妙招(基础篇—2)

在开始本文之前提醒各位朋友,Python记得安装PyQt5库文件,Python语言功能很强,但是Python自带的GUI开发库Tkinter功能很弱,难以开发出专业的GUI。好在Python语言的开放...

Connect 2.0来了,还有Nuke和Maya新集成

ftrackConnect2.0现在可以下载了--重新设计的桌面应用程序,使用户能够将ftrackStudio与创意应用程序集成,发布资产等。这个新版本的发布中还有两个Nuke和Maya新集成,...

Magicgui:不会GUI编程也能轻松构建Python GUI应用

什么是MagicguiMagicgui是一个Python库,它允许开发者仅凭简单的类型注解就能快速构建图形用户界面(GUI)应用程序。这个库基于Napari项目,利用了Python的强大类型系统,使得...

Python入坑系列:桌面GUI开发之Pyside6

阅读本章之后,你可以掌握这些内容:Pyside6的SignalsandSlots、Envents的作用,如何使用?PySide6的Window、DialogsandAlerts、Widgets...

Python入坑系列-一起认识Pyside6 designer可拖拽桌面GUI

通过本文章,你可以了解一下内容:如何安装和使用Pyside6designerdesigner有哪些的特性通过designer如何转成python代码以前以为Pyside6designer需要在下载...

pyside2的基础界面(pyside2显示图片)

今天我们来学习pyside2的基础界面没有安装过pyside2的小伙伴可以看主页代码效果...

Python GUI开发:打包PySide2应用(python 打包pyc)

之前的文章我们介绍了怎么使用PySide2来开发一个简单PythonGUI应用。这次我们来将上次完成的代码打包。我们使用pyinstaller。注意,pyinstaller默认会将所有安装的pack...

使用PySide2做窗体,到底是怎么个事?看这个能不能搞懂

PySide2是Qt框架的Python绑定,允许你使用Python创建功能强大的跨平台GUI应用程序。PySide2的基本使用方法:安装PySide2pipinstallPy...

pycharm中conda解释器无法配置(pycharm安装的解释器不能用)

之前用的好好的pycharm正常配置解释器突然不能用了?可以显示有这个环境然后确认后可以conda正在配置解释器,但是进度条结束后还是不成功!!试过了pycharm重启,pycharm重装,anaco...

Conda使用指南:从基础操作到Llama-Factory大模型微调环境搭建

Conda虚拟环境在Linux下的全面使用指南:从基础操作到Llama-Factory大模型微调环境搭建在当今的AI开发与数据分析领域,conda虚拟环境已成为Linux系统下管理项目依赖的标配工具。...

Python操作系统资源管理与监控(python调用资源管理器)

在现代计算环境中,对操作系统资源的有效管理和监控是确保应用程序性能和系统稳定性的关键。Python凭借其丰富的标准库和第三方扩展,提供了强大的工具来实现这一目标。本文将探讨Python在操作系统资源管...

本地部署开源版Manus+DeepSeek创建自己的AI智能体

1、下载安装Anaconda,设置conda环境变量,并使用conda创建python3.12虚拟环境。2、从OpenManus仓库下载代码,并安装需要的依赖。3、使用Ollama加载本地DeepSe...

一文教会你,搭建AI模型训练与微调环境,包学会的!

一、硬件要求显卡配置:需要Nvidia显卡,至少配备8G显存,且专用显存与共享显存之和需大于20G。二、环境搭建步骤1.设置文件存储路径非系统盘存储:建议将非安装版的环境文件均存放在非系统盘(如E盘...

使用scikit-learn为PyTorch 模型进行超参数网格搜索

scikit-learn是Python中最好的机器学习库,而PyTorch又为我们构建模型提供了方便的操作,能否将它们的优点整合起来呢?在本文中,我们将介绍如何使用scikit-learn中的网格搜...

如何Keras自动编码器给极端罕见事件分类

全文共7940字,预计学习时长30分钟或更长本文将以一家造纸厂的生产为例,介绍如何使用自动编码器构建罕见事件分类器。现实生活中罕见事件的数据集:背景1.什么是极端罕见事件?在罕见事件问题中,数据集是...