【常用总结】用Python对数据结构进行个性化过滤操作

数据结构进行个性化过滤操作"/>

【常用总结】用Python对数据结构进行个性化过滤操作

法1：列表推导式

法2：高阶函数

法3：循环遍历

# 法1：推导式 —— （过滤列表） 
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
even_numbers = [x for x in numbers if x % 2 == 0]
print(even_numbers)  # 输出 [2, 4, 6, 8, 10]# 法1：推导式 —— 过滤NumPy数组
import numpy as npnumbers = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
even_numbers = numbers[numbers % 2 == 0]
print(even_numbers)  # 输出 [2 4 6 8 10]# 法1：推导式 —— 过滤元组
numbers = (1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
even_numbers = tuple(x for x in numbers if x % 2 == 0)
print(even_numbers)  # 输出 (2, 4, 6, 8, 10)# 法1：字典推导式
scores = {'Alice': 85, 'Bob': 92, 'Charlie': 78, 'David': 95}
passed_students = { name: score for name, score in scores.items() if score >= 80}
print(passed_students)  # 输出 {'Alice': 85, 'Bob': 92, 'David': 95}# 法2：高阶函数 —— （过滤列表）
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
print(even_numbers)  # 输出 [2, 4, 6, 8, 10]# 法2：高阶函数 —— （过滤字典）
students = [{'name': 'Alice', 'age': 20, 'grade': 'A'},{'name': 'Bob', 'age': 19, 'grade': 'B'},{'name': 'Charlie', 'age': 21, 'grade': 'A'},{'name': 'David', 'age': 18, 'grade': 'C'}
]# 过滤出年龄大于等于20岁的学生
filtered_students = list( filter(lambda student: student['age'] >= 19, students))
print(filtered_students)
# 输出： [{'name': 'Alice', 'age': 20, 'grade': 'A'}, {'name': 'Charlie', 'age': 21, 'grade': 'A'}]# 过滤出成绩为'A'的学生
filtered_students = list(filter(lambda student: student['grade'] == 'A', students))
print(filtered_students)
# 输出： [{'name': 'Alice', 'age': 20, 'grade': 'A'}, {'name': 'Charlie', 'age': 21, 'grade': 'A'}]# 法3：循环遍历 —— （过滤列表）numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
even_numbers = []
for num in numbers:if num % 2 == 0:even_numbers.append(num)
print(even_numbers)  # 输出 [2, 4, 6, 8, 10]# 法3：循环遍历 —— （过滤字典）scores = {'Alice': 85, 'Bob': 92, 'Charlie': 78, 'David': 95}
passed_students = {}
for name, score in scores.items():if score >= 80:passed_students[name] = score
print(passed_students)  # 输出 {'Alice': 85, 'Bob': 92, 'David': 95}