Python之list笔记3

本文详细介绍了 Python 中 list 的多种操作方法,包括 reverse()、sort()、count()、index() 和 copy(),并提供了实例帮助理解。
本文为博主原创文章,未经博主允许不得转载。
list其他方法讲解

前面两节已经讲了一些list自带的一些方法,下面将讲诉剩下的方法。

reverse()方法把整个list翻转,例如:

>>> list1=[1,2,3]
>>> list1.reverse()
>>> list1
[3, 2, 1]

sort()用指定的方式对list进行排序默认是不需要参数的,默认排序方式为从下到大,例如:

>>> list1.sort()
>>> list1
[1, 2, 3]

那么问题来了,有时候我们是需要从大到小排序,实现方式如下:

>>> list1.sort(reverse=True)
>>> list1
[3, 2, 1]

count()用于计算参数在list出现的次数,例如:

>>> list2=[1,2,1,2,1]
>>> list2.count(1)
3

index()用于返回指定参数在list的位置,当有多个相同的数时只返回第一个位置,例如

>>> list2.index(2)
1

copy()用于list的拷贝,这个方法是浅拷贝,例如:

>>> list3=list2.copy()
>>> list3
[1, 2, 1, 2, 1]
>>> list2[1]=3
>>> list3
[1, 2, 1, 2, 1]
>>> list2
[1, 3, 1, 2, 1]
既然是浅拷贝为啥list3没有变换,这是因为修改的是不可改变对象,修改不可改变对象不影响副本。
内容概要:本文档系统性地介绍了2024年最新提出的两种智能优化算法——青蒿素优化算法与霜冰优化算法(RIME)的原理、实现方法及其性能对比分析,并提供了完整的Matlab代码实现。文档不仅聚焦于核心算法的仿真与验证,还整合了大量前沿科研资源,涵盖微电网优化、风电功率预测、无人机三维路径规划、电动汽车调度、图像融合、负荷预测、通信信号处理、电力系统故障恢复等多个高价应用场景。所有案例均基于Matlab/Simulink平台进行建模与仿真,强调算法在复杂工程系统中的实际应用能力,旨在为科研人员提供一套从理论到代码再到应用的完整复现体系。; 适合人群:具备一定编程基础和科研背景的研究生、高校教师及工程技术人员,尤其适合从事智能优化算法研究、新能源系统优化、自动化控制、电力系统调度、无人机导航与路径规划等相关领域的研究人员。; 使用场景及目标:①用于高水平学术论文的复现与创新性研究,提升科研效率与成果产出;②应用于复杂工程系统的建模仿真与智能优化设计,如多能互补系统调度、无人机避障路径规划、微电网能量管理等;③作为智能优化算法的教学与学习资料,深入理解现代元启发式算法的设计思想与实现机制。; 阅读建议:建议读者结合文档中提供的Matlab代码与Simulink仿真模型,按照目录结构循序渐进地学习与实践,优先选择与自身研究方向契合的案例进行代码复现,重点关注算法参数设置、收敛曲线分析与多算法对比实验部分,以全面提升算法应用与科研创新能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值