zoukankan      html  css  js  c++  java
  • for循环

    for循环的时候必须有一个可迭代的对象,只要是用下标取值得,都可以循环,比如说得有一个数组、列表、字符串、字典,python中for循环很简单,循环的是一个可迭代对象中的元素

    循环里面还有两个比较重要的关键字,continue和break

    continue的意思是,跳出本次循环,继续进行下一次循环,

    break的意思是停止循环,也就是说在continue和break下面的代码都是不执行的

    else:正常结束循环后,会执行else里的代码,不是非必填的,通过break结束的循环,不会执行else里的代码

     判断符号:<   >    <=    >=    != 等于(==)

    关系:and 并且 or 或者

    一、循环列表

    #fro 可直接循环列表,因为rang(5) 本就是列表
    #循环列表方法一:这个是最方便的,可直接循环里面的元素
    usernames = ['xiaohei', 'xiaobai', 'xiaoming']
    passwords = ['123456', '11111', '1']
    user_info = {}
    for i in usernames:
        index=usernames.index(i) #通过循环取到usernames中的每个元素,并根据元素取到对应的下标
        user_info[i]=passwords[index] #根据下标取到usernames中对应的passwords,添加到字典user_info中
    

      


    #循环列表方法二:通过列表的长度,循环列表的下标来取里面的元素
    usernames = ['xiaohei', 'xiaobai', 'xiaoming']
    passwords = ['123456', '11111', '1']
    d = {}
    i = 0
    while i < len(usernames): # 0 < 3,计算下标的方式
        username = usernames[i]
        passwd = passwords[i]
        d[username] = passwd
        i+=1
    print(d)
    

      

     二、循环字典

    #循环字典方法一:这个是最方便的,效率是最高的
    d={'xiaohei': '123456', 'xiaobai': '11111', 'xiaoming': '1'}
    for i in d:
        value=d[i]
        print('key为%s,valu为%s'%(i,value))
    

      


    #循环字典方法二:iteams 效率不高,它要先把每对keys和values转为数组再进行循环
    for key,value in d.items():
        print('key为%s,valu为%s' % (i, value))
    print(d.items())
    

      


    三、循环多维数组,前提是多维数组里的元素要是列表
    l = [
         ['xiaohei', '123456','120'],
         ['xiaobai', '11111','110'],
         ['xiaoming', '1','130']
    ]
    for i,j,d in l:
        print(i,j,d)
    

      


    四、循环元组
    s=(1,2,3,4,6,7,8,'12')
    print(type(s))
    for i in s:
        print(i)
    

      


    五、循环集合
    test={1,2,3,4,5,4}
    print(type(test))
    for i in test:
        print(i)
    

      

     
     
     
  • 相关阅读:
    机器人学 —— 轨迹规划(Artificial Potential)
    机器人学 —— 轨迹规划(Sampling Method)
    机器人学 —— 轨迹规划(Configuration Space)
    机器人学 —— 机器人感知(Kalman Filter)
    机器人学 —— 机器人感知(Gaussian Model)
    机器学习 —— 概率图模型(Homework: Structure Learning)
    机器人学 —— 机器人视觉(Bundle Adjustment)
    机器人学 —— 机器人视觉(极几何)
    机器学习 —— 概率图模型(Homework: CRF Learning)
    机器人学 —— 机器人视觉(估计)
  • 原文地址:https://www.cnblogs.com/MLing/p/12780703.html
Copyright © 2011-2022 走看看