其他内置数据类型操作

其他内置数据类型操作

import array
arr = array.array('i', [1, 2, 3, 4, 5]) # 创建一个整数数组
print(type(arr)) # 输出 <class 'array.array'>
print(arr) # 输出 array('i', [1, 2, 3, 4, 5])
print(arr[0]) # 输出 1，访问数组的第一个元素
print(arr[1:4]) # 输出 array('i', [2, 3, 4])，访问数组的子数组
arr.append(6) # 在数组末尾添加元素
print(arr) # 输出 array('i', [1, 2, 3, 4, 5, 6])
arr.remove(3) # 移除数组中的元素
print(arr) # 输出 array('i', [1, 2, 4, 5, 6])
popped_element = arr.pop() # 移除并返回数组的最后一个元素
print(popped_element) # 输出 6
print(arr) # 输出 array('i', [1, 2, 4, 5])
arr.insert(0, 0) # 在数组开头插入元素
print(arr) # 输出 array('i', [0, 1, 2, 4, 5])
arr.reverse() # 反转数组中的元素顺序
print(arr) # 输出 array('i', [5, 4, 2, 1, 0])
arr.extend([6, 7, 8]) # 扩展数组
print(arr) # 输出 array('i', [5, 4, 2, 1, 0, 6, 7, 8])
print(arr.index(4)) # 输出 1，表示元素 4 在数组中的索引位置
print(arr.count(2)) # 输出 1，表示元素 2 在数组中出现的次数
arr_typecode = arr.typecode # 获取数组的类型码
print(arr_typecode) # 输出 'i'，表示整数类型
arr_bytes = arr.tobytes() # 将数组转换为字节串
print(arr_bytes) # 输出 b'\x05\x00\x00\x00\x04\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x00\x00\x00\x00\x06\x00\x00\x00\x07\x00\x00\x00\x08\x00\x00\x00'
arr_from_bytes = array.array(arr.typecode) # 创建一个新的数组
arr_from_bytes.frombytes(arr_bytes) # 从字节串中加载数据
print(arr_from_bytes) # 输出 array('i', [5, 4, 2, 1, 0, 6, 7, 8])

import collections
deque = collections.deque([1, 2, 3, 4, 5]) # 创建一个双端队列
print(type(deque)) # 输出 <class 'collections.deque'>
print(deque) # 输出 deque([1, 2, 3, 4, 5])
print(deque[0]) # 输出 1，访问队列的第一个元素
print(deque[1:4]) # 输出 deque([2, 3, 4])，访问队列的子队列
deque.append(6) # 在队列末尾添加元素
print(deque) # 输出 deque([1, 2, 3, 4, 5, 6])
deque.appendleft(0) # 在队列开头添加元素
print(deque) # 输出 deque([0, 1, 2, 3, 4, 5, 6])
deque.pop() # 移除并返回队列的最后一个元素
print(deque) # 输出 deque([0, 1, 2, 3, 4, 5])
deque.popleft() # 移除并返回队列的第一个元素
print(deque) # 输出 deque([1, 2, 3, 4, 5])
deque.extend([6, 7, 8]) # 扩展队列
print(deque) # 输出 deque([1, 2, 3, 4, 5, 6, 7, 8])
deque.extendleft([0, -1, -2]) # 在队列开头扩展元素
print(deque) # 输出 deque([-2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8])
deque.rotate(2) # 向右旋转队列
print(deque) # 输出 deque([7, 8, -2, -1, 0, 1, 2, 3, 4, 5, 6])
deque.rotate(-2) # 向左旋转队列
print(deque) # 输出 deque([-2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8])
print(deque.count(3)) # 输出 1，表示元素 3 在队列中出现的次数
deque.clear() # 清空队列
print(deque) # 输出 deque([])

import numpy as np
array_np = np.array([1, 2, 3, 4, 5]) # 创建一个NumPy数组
print(type(array_np)) # 输出 <class 'numpy.ndarray'>
print(array_np) # 输出 [1 2 3 4 5]
print(array_np[0]) # 输出 1，访问数组的第一个元素
print(array_np[1:4]) # 输出 [2 3 4]，访问数组的子数组
array_np = array_np * 2 # 数组元素逐个乘以2
print(array_np) # 输出 [ 2 4 6 8 10]
array_np = array_np + 3 # 数组元素逐个加3
print(array_np) # 输出 [ 5 7 9 11 13]
array_np = np.append(array_np, [14, 15]) # 在数组末尾添加元素
print(array_np) # 输出 [ 5 7 9 11 13 14 15]
array_np = np.insert(array_np, 0, [1, 2, 3]) # 在数组开头插入元素
print(array_np) # 输出 [ 1 2 3 5 7 9 11 13 14 15]
array_np = np.delete(array_np, [0, 1, 2]) # 删除数组中的元素
print(array_np) # 输出 [ 5 7 9 11 13 14 15]
popped_element = array_np[-1] # 获取数组的最后一个元素
array_np = np.delete(array_np, -1) # 删除数组的最后一个元素
print(popped_element) # 输出 15
print(array_np) # 输出 [ 5 7 9 11 13 14]
array_np = np.append(array_np, [16, 17, 18]) # 扩展数组
print(array_np) # 输出 [ 5 7 9 11 13 14 16 17 18]
print(np.where(array_np > 10)) # 输出 (array([3, 4, 5, 6, 7, 8]),)，获取满足条件的元素索引
print(np.sort(array_np)) # 输出 [ 5 7 9 11 13 14 16 17 18]，对数组进行排序
print(np.unique(array_np)) # 输出 [ 5 7 9 11 13 14 16 17 18]，获取数组中的唯一元素
array_np = np.array([[1, 2, 3], [4, 5, 6]]) # 创建一个二维NumPy数组
print(type(array_np)) # 输出 <class 'numpy.ndarray'>
print(array_np) # 输出 [[1 2 3] [4 5 6]]
print(array_np[0, 0]) # 输出 1，访问二维数组的第一个元素
print(array_np[0, 1:3]) # 输出 [2 3]，访问二维数组的子数组
print(array_np[:, 1]) # 输出 [2 5]，访问二维数组的第二列
print(array_np.shape) # 输出 (2, 3)，获取数组的形状
print(array_np.dtype) # 输出 int64，获取数组的元素类型
array_np = array_np.T # 转置二维数组
print(array_np) # 输出 [[1 4] [2 5] [3 6]]
array_np = array_np.flatten() # 将二维数组展平为一维数组
print(array_np) # 输出 [1 4 2 5 3 6]
array_np = array_np.reshape(2, 3) # 将一维数组重新形状为二维数组
print(array_np) # 输出 [[1 4 2] [5 3 6]]

import pandas as pd
data = {
"Name": ["Alice", "Bob", "Charlie"],
"Age": [25, 30, 35],
"City": ["New York", "Los Angeles", "Chicago"]
}
df = pd.DataFrame(data) # 创建一个DataFrame
print(type(df)) # 输出 <class 'pandas.core.frame.DataFrame'>
print(df) # 输出DataFrame内容
print(df["Name"]) # 输出 Name 列
print(df.loc[0]) # 输出第一行
print(df.iloc[1]) # 输出第二行
print(df.loc[0, "City"]) # 输出第一行的 City 列
print(df.iloc[1, 2]) # 输出第二行的第三列
df["Age"] = df["Age"] + 1 # 修改 Age 列的值
print(df) # 输出更新后的DataFrame
df["Country"] = ["USA", "USA", "USA"] # 添加新的 Country 列
print(df) # 输出更新后的DataFrame
df = df.drop("City", axis=1) # 删除 City 列
print(df) # 输出更新后的DataFrame
df = df.append({"Name": "David", "Age": 28, "Country": "USA"}, ignore_index=True) # 添加新行
print(df) # 输出更新后的DataFrame
df = df.drop(1) # 删除第二行
print(df) # 输出更新后的DataFrame
print(df.shape) # 输出 (3, 3)，获取DataFrame的形状
print(df.columns) # 输出 Index(['Name', 'Age', 'Country'], dtype='object')，获取列名
print(df.index) # 输出 RangeIndex(start=0, stop=3, step=1)，获取行索引
print(df.dtypes) # 输出各列的数据类型
print(df.describe()) # 输出数值列的统计信息
print(df.info()) # 输出DataFrame的简要信息
df_sorted = df.sort_values(by="Age") # 按 Age 列排序
print(df_sorted) # 输出排序后的DataFrame
df_filtered = df[df["Age"] > 28] # 过滤 Age 大于 28 的行
print(df_filtered) # 输出过滤后的DataFrame
df_grouped = df.groupby("Country").mean() # 按 Country 列分组并计算平均值
print(df_grouped) # 输出分组后的DataFrame
df_reset = df.reset_index(drop=True) # 重置行索引
print(df_reset) # 输出重置索引后的DataFrame
df_renamed = df.rename(columns={"Name": "Full Name"}) # 重命名列
print(df_renamed) # 输出重命名列后的DataFrame
df_cleared = df.drop_duplicates() # 删除重复行
print(df_cleared) # 输出删除重复行后的DataFrame
df_cleared = df.fillna({"Age": df["Age"].mean()}) # 填充缺失值
print(df_cleared) # 输出填充缺失值后的DataFrame
df_cleared = df.dropna() # 删除包含缺失值的行
print(df_cleared) # 输出删除缺失值后的DataFrame
df.to_csv("output.csv", index=False) # 将DataFrame保存为CSV文件
df_from_csv = pd.read_csv("output.csv") # 从CSV文件读取DataFrame
print(df_from_csv) # 输出从CSV文件读取的DataFrame
import datetime
now = datetime.datetime.now() # 获取当前日期和时间
print(type(now)) # 输出 <class 'datetime.datetime'>
print(now) # 输出当前日期和时间
print(now.year) # 输出当前年份
print(now.month) # 输出当前月份
print(now.day) # 输出当前日期
print(now.hour) # 输出当前小时
print(now.minute) # 输出当前分钟
print(now.second) # 输出当前秒钟
print(now.microsecond) # 输出当前微秒
print(now.strftime("%Y-%m-%d %H:%M:%S")) # 输出格式化的日期和时间
tomorrow = now + datetime.timedelta(days=1) # 计算明天的日期和时间
print(tomorrow) # 输出明天的日期和时间
yesterday = now - datetime.timedelta(days=1) # 计算昨天的日期和时间
print(yesterday) # 输出昨天的日期和时间
specific_date = datetime.datetime(2023, 1, 1, 12, 0, 0) # 创建一个特定的日期和时间
print(specific_date) # 输出特定的日期和时间
date_difference = now - specific_date # 计算两个日期之间的差异
print(date_difference) # 输出日期差异
print(date_difference.days) # 输出日期差异的天数
print(date_difference.seconds) # 输出日期差异的秒数

import math
print(math.pi) # 输出 π 的值
print(math.e) # 输出 e 的值
print(math.sqrt(16)) # 输出 4.0，计算平方根
print(math.pow(2, 3)) # 输出 8.0，计算幂
print(math.factorial(5)) # 输出 120，计算阶乘
print(math.sin(math.pi / 2)) # 输出 1.0，计算正弦值
print(math.cos(0)) # 输出 1.0，计算余弦值
print(math.tan(math.pi / 4)) # 输出 0.9999999999999999，计算正切值
print(math.log(100, 10)) # 输出 2.0，计算以10为底的对数
print(math.log(math.e)) # 输出 1.0，计算以e为底的对数
print(math.ceil(4.3)) # 输出 5，向上取整
print(math.floor(4.7)) # 输出 4，向下取整
print(math.fabs(-5)) # 输出 5.0，计算绝对值
print(math.gcd(48, 18)) # 输出 6，计算最大公约数
print(math.lcm(4, 5)) # 输出 20，计算最小公倍数

import random
print(random.random()) # 输出一个0到1之间的随机浮点数
print(random.randint(1, 10)) # 输出一个1到10之间的随机整数
print(random.choice(["apple", "banana", "cherry"])) # 从列表中随机选择一个元素
print(random.sample(range(1, 20), 5)) # 从范围内随机选择5个不重复的元素
my_list = [1, 2, 3, 4, 5]
random.shuffle(my_list) # 随机打乱列表顺序
print(my_list) # 输出打乱后的列表
print(random.uniform(1.5, 5.5)) # 输出一个1.5到5.5之间的随机浮点数
print(random.gauss(0, 1)) # 输出一个符合正态分布的随机数，均值为0，标准差为1
import re
pattern = r'\b\w{3}\b' # 匹配所有长度为3的单词
text = "The cat sat on the mat and the dog barked."
matches = re.findall(pattern, text) # 查找所有匹配的字符串
print(matches) # 输出 ['The', 'cat', 'sat', 'the', 'mat', 'the', 'dog']
pattern = r'\d+' # 匹配所有数字
text = "There are 3 cats and 4 dogs."
matches = re.findall(pattern, text) # 查找所有匹配的字符串
print(matches) # 输出 ['3', '4']
pattern = r'(\w+)@(\w+).(\w+)' # 匹配电子邮件地址