python元组应用案例,python元组的基本操作

　　本文给大家带来一些python的知识，包括元组的创建、访问、修改、删除和内置方法。希望对你有帮助。

1.元组的创建访问

在Python中，创建元组的基本形式是将数据元素用括号“()”括起来，每个元素之间用逗号“，”隔开。

　　如下所示：

　　tuple1=(小明，小红，18，21)

　　元组2=(1，2，3，4，5)

　　#和3354可以创建空元组！

　　tuple3=()

　　#注3354如果你创建的元组只包含一个元素，别忘了在元素后面加一个逗号。让它被认为是一个元组：

　　Tuple4=(22，)

（1）元组的创建：

元组类似于字符串和列表。索引从0开始，可以被截取和组合。

　　如下所示：

　　tuple1=(小明，小红，18，21)

　　元组2=(1，2，3，4，5)

　　#显示元组中索引为1的元素的值

　　打印( tuple1[1]: ，tuple1[0])

　　#显示元组中索引从1到3的元素的值

　　打印(第二组[1:3]: ，第二组[1:3])

　　00-1010

（2）访问：

尽管元组在开始时是不可变的，但它仍然具有支持的操作3354个元组来连接和组合：

　　tuple1=(小明，小红，18，21)

　　元组2=(1，2，3，4，5)

　　元组_新=元组1元组2

　　打印(元组_新)

　　00-1010虽然元组是不可变的，但是del语句可以删除整个元组。

　　如下所示：

　　tuple1=(小明，小红，18，21)

　　Print(tuple1)#正常打印tuple1

　　德尔图普勒1

　　Print(tuple1)#因为tuple1是从中删除的，所以再打印的时候会报错！

　　00-1010元组是不可变的，但是我们可以通过使用内置方法来操作元组。常见的内置方法如下：

　　Len(tuple):统计元组元素的个数；Max(tuple):返回元组中元素的最大值；Min(tuple):返回元组中元素的最小值；Tuple(seq):将列表转换成元组。其实更多时候，我们是将元组先转换为列表，操作之后再转换为元组（因为列表具有很多方法~）。

　　00-1010

2.元组的修改删除

Python允许将包含n个元素的元组或序列分成n个独立的变量。这是因为Python语法允许通过简单的赋值操作将任何序列/可迭代对象分解成单独的变量。唯一的要求是变量的总数和结构要和序列匹配。

　　如下所示：

　　元组1=(18，22)

　　x，y=tuple1

　　打印(x)

　　打印(y)

　　tuple2=[小明，33，19.8，(2012，1，11)]

　　姓名、年龄、级别、日期=tuple2

　　打印(姓名)

　　打印(日期)

　　/pre>

如果要分解未知或任意长度的可迭代对象，上述分解操作岂不直接很nice！通常在这类可迭代对象中会有一些已知的组件或模式（例如：元素1之后的所有内容都是电话号码），利用“*”星号表达式分解可迭代对象后，使得开发者能轻松利用这些模式，而无须在可迭代对象中做复杂操作就能得到相关的元素。
　　在Python中，星号表达式在迭代一个变长的元组序列时十分有用。如下演示分解一个待标记元组序列的过程。
　　

records = [
　　 ('AAA', 1, 2),
　　 ('BBB', 'hello'),
　　 ('CCC', 5, 3)
　　]
　　def do_foo(x, y):
　　 print('AAA', x, y)
　　def do_bar(s):
　　 print('BBB', s)
　　for tag, *args in records:
　　 if tag == 'AAA':
　　 do_foo(*args)
　　 elif tag == 'BBB':
　　 do_bar(*args)
　　line = 'guan:ijing234://wef:678d:guan'
　　uname, *fields, homedir, sh = line.split(':')
　　print(uname)
　　print(*fields)
　　print(homedir)
　　print(sh)

（2）

在Python中迭代处理列表或元组等序列时，有时需要统计最后几项记录以实现历史记录统计功能。
　　

使用内置的deque实现：

from _collections import deque
　　q = deque(maxlen=3)
　　q.append(1)
　　q.append(2)
　　q.append(3)
　　print(q)
　　q.append(4)
　　print(q)

如下——演示了将序列中的最后几项作为历史记录的过程。
　　

from _collections import deque
　　def search(lines, pattern, history=5):
　　 previous_lines = deque(maxlen=history)
　　 for line in lines:
　　 if pattern in line:
　　 yield line, previous_lines
　　 previous_lines.append(line)
　　# Example use on a file
　　if __name__ == '__main__':
　　 with open('123.txt') as f:
　　 for line, prevlines in search(f, 'python', 5):
　　 for pline in prevlines:	# 包含python的行
　　 print(pline) # print (pline, end='')
　　 # 打印最后检查过的N行文本
　　 print(line) # print (pline, end='')

123.txt：

pythonpythonpythonpythonpythonpythonpython

　　python

在上述代码中，对一系列文本行实现了简单的文本匹配操作，当发现有合适的匹配时，就输出当前的匹配行以及最后检查过的N行文本。使用deque(maxlen=N)创建了一个固定长度的队列。当有新记录加入而使得队列变成已满状态时，会自动移除最老的那条记录。当编写搜索某项记录的代码时，通常会用到含有yield关键字的生成器函数，它能够将处理搜索过程的代码和使用搜索结果的代码成功解耦开来。
　　

5.实现优先级队列

使用内置模块heapq可以实现一个简单的优先级队列。
如下——演示了实现一个简单的优先级队列的过程。
　　

import heapq
　　class PriorityQueue:
　　 def __init__(self):
　　 self._queue = []
　　 self._index = 0
　　 def push(self, item, priority):
　　 heapq.heappush(self._queue, (-priority, self._index, item))
　　 self._index += 1
　　 def pop(self):
　　 return heapq.heappop(self._queue)[-1]
　　class Item:
　　 def __init__(self, name):
　　 self.name = name
　　 def __repr__(self):
　　 return 'Item({!r})'.format(self.name)
　　q = PriorityQueue()
　　q.push(Item('AAA'), 1)
　　q.push(Item('BBB'), 4)
　　q.push(Item('CCC'), 5)
　　q.push(Item('DDD'), 1)
　　print(q.pop())
　　print(q.pop())
　　print(q.pop())

在上述代码中，利用heapq模块实现了一个简单的优先级队列，第一次执行pop()操作时返回的元素具有最高的优先级。
拥有相同优先级的两个元素（foo和grok）返回的顺序，同插入到队列时的顺序相同。

　　函数heapq.heappush()和heapq.heappop()分别实现了列表_queue中元素的插入和移除操作，并且保证列表中的第一个元素的优先级最低。

　　函数heappop()总是返回“最小”的元素，并且因为push和pop操作的复杂度都是O(log2N)，其中N代表堆中元素的数量，因此就算N的值很大，这些操作的效率也非常高。

　　上述代码中的队列以元组 (-priority, index, item)的形式组成，priority取负值是为了让队列能够按元素的优先级从高到底排列。这和正常的堆排列顺序相反，一般情况下，堆是按从小到大的顺序进行排序的。变量index的作用是将具有相同优先级的元素以适当的顺序排列，通过维护一个不断递增的索引，元素将以它们加入队列时的顺序排列。但是当index在对具有相同优先级的元素间进行比较操作，同样扮演一个重要的角色。

　　在Python中，如果以元组(priority, item)的形式存储元素，只要它们的优先级不同，它们就可以进行比较。但是如果两个元组的优先级相同，在进行比较操作时会失败。这时可以考虑引入一个额外的索引值，以(priority, index, item)的方式建立元组，因为没有哪两个元组会有相同的index值，所以这样就可以完全避免上述问题。一旦比较操作的结果可以确定，Python就不会再去比较剩下的元组元素了。

　　如下——演示了实现一个简单的优先级队列的过程：

import heapq
　　class PriorityQueue:
　　 def __init__(self):
　　 self._queue = []
　　 self._index = 0
　　 def push(self, item, priority):
　　 heapq.heappush(self._queue, (-priority, self._index, item))
　　 self._index += 1
　　 def pop(self):
　　 return heapq.heappop(self._queue)[-1]
　　class Item:
　　 def __init__(self, name):
　　 self.name = name
　　 def __repr__(self):
　　 return 'Item({!r})'.format(self.name)
　　# ①
　　a = Item('AAA') 
　　b = Item('BBB')
　　#a < b 错误
　　a = (1, Item('AAA'))
　　b = (5, Item('BBB'))
　　print(a < b)
　　c = (1, Item('CCC'))
　　#② a < c 错误
　　# ③
　　a = (1, 0, Item('AAA'))
　　b = (5, 1, Item('BBB'))
　　c = (1, 2, Item('CCC'))
　　print(a < b)
　　# ④
　　print(a < c)

　　在上述代码中，因为在1-2中没有添加所以，所以当两个元组的优先级相同时会出错；而在3-4中添加了索引，这样就不会出错了！

　　推荐学习：python学习教程以上就是实例详解Python元组的详细内容，更多请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

1.元组的 创建 访问

（1）元组的创建：

（2）访问：

2.元组的 修改 删除

（2）

5.实现优先级队列

相关文章阅读

1.元组的创建访问

2.元组的修改删除