Python中的連接符號(+、+=)範例詳解
前言
本文透過在一段範例程式碼中發現的問題,來給大家詳細介紹了Python中的連接符(+、+=),下面話不多說,來看詳細的介紹吧。
假設有下面一段程式碼:
a = [1, 2, 3, 4] b = [5, 6, 7, 8, 9] c = [11, 12, 13, 14, 15, 16, 17, 18, 19, 20] for item in (a, b, c): item += [0] * (10 - len(item)) print a print b print c
這段程式碼的意思是,有三個列表,需要在長度不為 10 的列表尾部填充 0,讓其長度變為10。
輸出如下:
[1, 2, 3, 4, 0, 0, 0, 0, 0, 0] [5, 6, 7, 8, 9, 0, 0, 0, 0, 0] [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]
這裡沒什麼問題,一切正常。但是,現在變了需求,需要在長度不為 10 的清單的前面填充 0。
那麼,我們嘗試做如下的改動:
a = [1, 2, 3, 4] b = [5, 6, 7, 8, 9] c = [11, 12, 13, 14, 15, 16, 17, 18, 19, 20] for item in (a, b, c): item = [0] * (10 - len(item)) + item print a print b print c
直接來看一下輸出:
[1, 2, 3, 4] [5, 6, 7, 8, 9] [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]
結果卻不是我們想像的那樣。如果你沒有發現問題的所在,就繼續往下看吧。當然,如果你已經看出了其中的端倪,那就不需要在這裡浪費時間了。
按照我們固有的思維,上面的方法是可行,例如下面的實例:
>>> l = [1, 2, 3, 4, 5] >>> l = [0]*5 + l >>> l [0, 0, 0, 0, 0, 1, 2, 3, 4, 5]
這樣的操作讓列表如願以償的得到我們所期望的改變。
但是,如果我們在其中多加幾個步驟呢:
>>> l = [1, 2, 3, 4, 5] >>> id(l) 139935500860952 >>> l = [0]*5 + l >>> l [0, 0, 0, 0, 0, 1, 2, 3, 4, 5] >>> id(l) 139935500783272
到此,是不是已經看出問題所在了呢。透過 id() 方法的輸出可以看到,後邊的 “l” 已經不是前邊的 “l” 了。
再看看下邊的例子:
>>> l = [1, 2, 3, 4, 5] >>> id(l) 139935500861024 >>> l += [0]*5 >>> l [1, 2, 3, 4, 5, 0, 0, 0, 0, 0] >>> id(l) 139935500861024
當用 += 時, “l” 前後是一個。此時,我們應該要明白一個事實,文章開頭的例子並非莫名其妙,而是有原因的。
別著急,我們再來看看例子:
>>> t = (1, 2, 3, 4, 5) >>> id(t) 139935501840656 >>> t += (0,)*5 >>> t (1, 2, 3, 4, 5, 0, 0, 0, 0, 0) >>> id(t) 139935502151336
可以看到,當我們把列表換成元組時,結果又發生了變化。
那我們對元組使用 + 操作呢:
>>> t = (1, 2, 3, 4, 5) >>> id(t) 139935501081200 >>> t = (0,)*5 + t >>> t (0, 0, 0, 0, 0, 1, 2, 3, 4, 5) >>> id(t) 139935502151336
這與列表結果是一樣的,沒有什麼不同。
那麼,再來看看字串呢:
>>> s = "hello" >>> id(s) 139935500909712 >>> s += "world" >>> s 'helloworld' >>> id(s) 139935500909664
結果如同元組,「s」 在使用 += 拼接一個字串後,被重新賦了值,已然不是之前的變數。反映在記憶體中就是,「s」 被另外開啟了一個儲存空間來存放值。
這裡,我們要談的 Python 連接符就是 + 與 +=。注意在 Python 中這兩個符號有成意義,一個是運用在數學中的加法運算,一個是用在序列類型上的拼接功能。不過,作為加法運算子時,也遵循本文討論的使用規則。因為討論這兩個符號,本質上是討論 Python 的 immutable 和 mutable,即可變型別與不可變型別。對可變類型也說,我們可以在原地被變數進行修改,也就是說它的儲存空間是可讀可寫的,例如list;而對於不可變類型來說,它的儲存空間則是唯讀的,無法對其進行修改,如果需要對不可變類型進行某些操作來得到新的結果,則需要重新開闢一份存儲空間來存放這個新產生的結果。
由上述列舉的例子,我們可以得到如下的結論:
對於可變類型:
+: 代表連接操作,其結果會建立一個新的物件。
+=: 代表追加操作,即 in-place 操作,在原地把另一個物件的內容追加到物件中。
對於不可變類型: + 與 += 都代表連接或求和操作,兩者沒有什麼區別,其操作的結果都會產生一個新的物件。
下面我們來分析一下文章開頭的例子,由於for 迭代相當於賦值,為了簡單起見,我們只分析a,如下所示:
>>> a = [1, 2, 3, 4] >>> t = a >>> id(a) 139712695835400 >>> id(t) 139712695835400 >>> t += [0]*6 >>> t [1, 2, 3, 4, 0, 0, 0, 0, 0, 0] >>> id(t) 139712695835400 >>> id(a) 139712695835400 >>> a [1, 2, 3, 4, 0, 0, 0, 0, 0, 0] >>> >>> >>> a = [1, 2, 3, 4] >>> t = a >>> id(a) 139712695835464 >>> id(t) 139712695835464 >>> t = [0]*6 + t >>> t [0, 0, 0, 0, 0, 0, 1, 2, 3, 4] >>> a [1, 2, 3, 4] >>> id(a) 139712695835464 >>> id(t) 139712695835400
這裡, t 是對a 的一個引用,就相當於文章開頭例子的item。用+= 對t 進行操作實際上是對a 進行操作,而+= 是原地操作,所以改變t 時,a 也隨之變化;如果用+ 對t 進行操作,在將結果賦值給t,那麼此時的t 就不再指向a 了,而是指向[0]*6 + t,所以a 沒有被改變。
總結
以上就是這篇文章的全部內容了,這裡討論的只是一個簡單的問題,而我卻用了這麼長的篇幅來談論這個問題,所以我想說的是,對於這些小問題,如果你沒有完全理解,那麼在程式設計過程中可能會給你帶來麻煩。
更多Python中的連接符號(+、+=)範例詳解相關文章請追蹤PHP中文網!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。
