python中使用enumerate函数遍历元素实例

这个是python的一个内建函数，看书的时候发现了他，mark一下
当我们既需要遍历索引同时需要遍历元素的时候，可以考虑使用enumerate函数，enumerate函数接受一个可遍历的对象，如列表、字符串

比如我们有一个["one","two","there"]的列表，我们需要在列表的每个元素前面加上他的编号


代码如下:

i = 0
seq = ["one","two","three"]
for element in seq:
 seq[i] = '%d: %s' % (i, seq[i])
 i += 1
print seq

['0: one', '1: two', '2: three']

使用enumerate函数，我们可以简化我们的代码，省去定义计数用的临时变量


代码如下:

seq = ["one","two","three"]
for i, element in enumerate(seq):
 seq[i] = '%d: %s' % (i, seq[i])
print seq

['0: one', '1: two', '2: three']

好戏还没有结束，python的魅力正在于此，我们来个Phthonic的写法


代码如下:

seq = ["one","two","three"]
print ['%d: %s'% (i,element) for i,element in enumerate(seq) ]

['0: one', '1: two', '2: three']

好了，python的遍历技术非常灵活，几句话是讲不完的，要熄灯了，洗洗睡了

赞 (0)

相关推荐

  • Python中enumerate函数代码解析

    enumerate函数用于遍历序列中的元素以及它们的下标. enumerate函数说明: 函数原型:enumerate(sequence, [start=0]) 功能:将可循环序列sequence以start开始分别列出序列数据和数据下标 即对一个可遍历的数据对象(如列表.元组或字符串),enumerate会将该数据对象组合为一个索引序列,同时列出数据和数据下标. 举例说明: 存在一个sequence,对其使用enumerate将会得到如下结果: start        sequence[0]

  • python中enumerate函数用法实例分析

    本文实例讲述了python中enumerate函数用法.分享给大家供大家参考.具体分析如下: 今日发现一个新函数 enumerate .一般情况下对一个列表或数组既要遍历索引又要遍历元素时,会这样写: for i in range (0,len(list)): print i ,list[i] 但是这种方法有些累赘,使用内置enumerrate函数会有更加直接,优美的做法,先看看enumerate的定义: def enumerate(collection): 'Generates an inde

  • python中enumerate函数遍历元素用法分析

    本文实例讲述了python中enumerate函数遍历元素用法.分享给大家供大家参考,具体如下: enumerate函数用于遍历序列中的元素以及它们的下标 示例代码如下: i = 0 seq = ['one', 'two', 'three'] for element in seq: print i, seq[i] i += 1 #0 one #1 two #2 three print '============' seq = ['one', 'two', 'three'] for i, elem

  • python中使用enumerate函数遍历元素实例

    这个是python的一个内建函数,看书的时候发现了他,mark一下当我们既需要遍历索引同时需要遍历元素的时候,可以考虑使用enumerate函数,enumerate函数接受一个可遍历的对象,如列表.字符串 比如我们有一个["one","two","there"]的列表,我们需要在列表的每个元素前面加上他的编号 复制代码 代码如下: i = 0seq = ["one","two","three&qu

  • 使用Python中的reduce()函数求积的实例

    编写一个prod()函数,可以接受一个list并利用reduce()求积. from functools import reduce def prod(x,y): return x * y L = reduce(prod,[3,5,7,9]) print(L) 打印结果如下: 以上这篇使用Python中的reduce()函数求积的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们.

  • Python中的枚举函数enumerate()的具体用法

    Python中的枚举函数enumerate()的具体用法

    相比于range,list等简易单词,enumerate仅凭外形都不太让人愿意用.事实上,enumerate还是很好用的. enumerate()是python的内置函数.适用于python2.x和python3.x enumerate在字典上是枚举.列举的意思 enumerate参数为可遍历/可迭代的对象(如列表.字符串) enumerate多用于在for循环中得到计数,利用它可以同时获得索引和值,即需要index和value值的时候可以使用enumerate enumerate()返回的是一

  • Python zip函数打包元素实例解析

    这篇文章主要介绍了Python zip函数打包元素实例解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 介绍 zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表. ps. 如果各个迭代器的元素个数不一致,则返回列表长度与最短的对象相同,利用 * 号操作符,可以将元组解压为列表. 例子 a = [1,2,3] b = [4,5,6] c = [4,5,6,7,8] zipped = zi

  • python中的逆序遍历实例

    如果你需要遍历数字序列,可以使用内置range()函数.它会生成数列. range()语法: range(start,end,step=1):顾头不顾尾 正序遍历: range(10):默认step＝1,start＝0,生成可迭代对象,包含[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] range(1,10):指定start＝1,end＝10,默认step＝1,生成可迭代对象,包含[1, 2, 3, 4, 5, 6, 7, 8, 9] range(1,10,2):指定start＝1

  • python中numpy.empty()函数实例讲解

    在使用python编程的过程中,想要快速的创建ndarray数组,可以使用numpy.empty()函数.numpy.empty()函数所创建的数组内所有元素均为空,没有实际意义,所以它也是创建数组最快的方法.本文介绍python中numpy.empty()函数的使用方法. 1.numpy.empty()函数 这个函数可以创建一个没有任何具体值的ndarray数组,是创建数组最快的方法. 根据给定的维度和数值类型返回一个新的数组,其元素不进行初始化. 2.用法 import numpy as n

  • 用JS编写一个函数,返回数组中重复出现过的元素(实例)

    用JS编写一个函数,返回数组中重复出现过的元素,见下面的代码: var arr = [1, 2, 3, 1, 2, 3, 4, 5]; var getRepeat = function (arr) { var obj = {}; for (var i = 0, len = arr.length; i < len; i++) { if (obj[arr[i]] == undefined) { obj[arr[i]] = 1; } else { obj[arr[i]]++; } } for (var

  • python中for用来遍历range函数的方法

    栗子:计算斐波那契数列(任一个数都是前两个数之和的数字序列) Python2.7实现代码如下: <strong><span style="font-size:14px;">fibs=[0,1] //初始化定义数列值 for i in range(20): //循环遍历20次 fibs.append(fibs[-2]+fibs[-1]) print fibs //打印出22位的斐波那契数列: </span></strong> 注:源码中的i

  • Python enumerate函数遍历数据对象组合过程解析

    这篇文章主要介绍了Python enumerate函数遍历数据对象组合过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 介绍 enumerate() 函数用于将一个可遍历的数据对象(如列表.元组或字符串)组合为一个索引序列,同时列出数据和数据下标,一般用在 for 循环当中. Python 2.3. 以上版本可用,2.6 添加 start 参数. enumerate(sequence, [start=0]) # sequence 是一个序

随机推荐