《Python入门到精通》元组 Tuple 详解,元组常用函数

「作者主页」:士别三日wyx
「作者简介」:CSDN top100、阿里云博客专家、华为云享专家、网络安全领域优质创作者
「推荐专栏」:小白零基础《Python入门到精通》

「元组」使用小括号()包裹,「元素」之间使用逗号,间隔。元组与列表相似,但元组的元素「不可变」。

元组 Tuple

1、常用的基本操作

「创建」元组

python 复制代码
# 创建空元组
tuple1 = ()
# 只有一个元素时,后面要加逗号
tuple2 = (1, )
# 多个元素,用逗号间隔
tuple3 = (1, 2, 3)

「访问」元组,可以使用索引访问,索引从 0 开始

python 复制代码
tuple1 = (1, 2, 3, 4, 5)
print(tuple1)
print(tuple1[1])
print(tuple1[1: 3])

「删除」元组,元组的元素不可变,所以不能删除元组的元素,只能删除整个元组

python 复制代码
tuple1 = (1, 2, 3, 4, 5)
del tuple1

2、元组的操作符

虽然元组不可变,但可以配合一些「运算符」,改成新的元组。

操作符 描述
tuple() + tuple() 拼接元组
tuple() * n 重复元组
k in tuple() 元组中是否包含某个值
for k in tuple() : print( k ) 迭代遍历

加号 + 可以将两个元组「拼接」成一个新的元组

python 复制代码
tuple1 = (1, 2, 3)
tuple2 = (4, 5, 6)

new_tuple = tuple1 + tuple2
print(new_tuple)

输出:

bash 复制代码
(1, 2, 3, 4, 5, 6)

乘号 * 可以将元组的内容「复制」多次,并生成一个新的元组

python 复制代码
tuple1 = (1, 2, 3)
new_tuple = tuple1 * 3
print(new_tuple)

输出:

bash 复制代码
(1, 2, 3, 1, 2, 3, 1, 2, 3)

关键字 in 可以判断指定值是否在元组中存在,存在返回True,不存在返回False

python 复制代码
tuple1 = (1, 2, 3)
print(1 in tuple1)
print(10 in tuple1)

输出:

bash 复制代码
True
False

使用「迭代」的方式,快速「遍历」列表中的元素

python 复制代码
tuple1 = (1, 2, 3)
for k in tuple1:
    print(k)

输出:

bash 复制代码
1
2
3

3、元组常用的内置函数

函数 描述
len() 返回元组长度
max() 返回最大的元素
min() 返回最小的元素
tuple() 将可迭代序列转成元组

len() 可以返回元组的「长度」,实际上是返回元组中元素的个数

python 复制代码
tuple1 = (1, 2, 3)
print(len(tuple1))

输出:

bash 复制代码
3

max() 可以返回元组中「最大」的一个元素,可以同时传入多个参数,但参数的元素的类型必须全部相同。

python 复制代码
tuple1 = (1, 2, 3)
tuple2 = (4, 5, 6)

# 一个参数返回最大的元素
print(max(tuple1))
# 多个参数返回最大的参数
print(max(tuple1, tuple2))

输出:

bash 复制代码
3
(4, 5, 6)

min() 可以返回元组中「最小」的元素,用法和 max() 一样。

tuple() 可以将可迭代序列「转成」元组类型

python 复制代码
print(tuple('abc'))
print(tuple([1, 2, 3]))
print(tuple({'key1': 1, 'key2': 2}))

输出:

bash 复制代码
('a', 'b', 'c')
(1, 2, 3)
('key1', 'key2')
相关推荐
东锋1.33 分钟前
深度解析近期爆火的 DeepSeek
人工智能·深度学习
米码收割机7 分钟前
【python】python油田数据分析与可视化(源码+数据集)【独一无二】
开发语言·python·数据分析
爱研究的小牛7 分钟前
讯飞智作 AI 配音技术浅析(二):深度学习与神经网络
人工智能·深度学习·神经网络·机器学习·aigc
Luzem031927 分钟前
使用PyTorch实现逻辑回归:从训练到模型保存与性能评估
人工智能·pytorch·逻辑回归
灵封~29 分钟前
自定义数据集 使用paddlepaddle框架实现逻辑回归
机器学习
灵封~30 分钟前
自定义数据集 使用pytorch框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测,对预测结果计算精确度和召回率及F1分数
人工智能·深度学习
辞落山32 分钟前
使用 Numpy 自定义数据集,使用pytorch框架实现逻辑回归并保存模型,然后保存模型后再加载模型进行预测,对预测结果计算精确度和召回率及F1分数
人工智能·pytorch·逻辑回归
花酒锄作田35 分钟前
[python]png转webp的命令行工具
python
nnerddboy41 分钟前
深度学习查漏补缺:2. 三个指标和注意力机制
人工智能·神经网络·cnn
新加坡内哥谈技术44 分钟前
Deepseek-R1 和 OpenAI o1 这样的推理模型普遍存在“思考不足”的问题
人工智能·科技·深度学习·语言模型·机器人