Python中的波浪号操作符

波浪符在Python中有什么用途?

我能想到的一件事是在字符串或列表的两侧做一些事情，比如检查字符串是否为回文:

def is_palindromic(s):
return all(s[i] == s[~i] for i in range(len(s) / 2))

还有其他好的用法吗?

163293 次浏览
小开

~是python中的位补运算符，它本质上是计算-x - 1

所以一个表是这样的

i  ~i
-----
0  -1
1  -2
2  -3
3  -4
4  -5
5  -6

因此，对于i = 0，它将比较s[0]与s[len(s) - 1]，对于i = 1，比较s[1]与s[len(s) - 2]。

至于你的另一个问题，这可能对位黑客的范围有用。

小开
最佳答案

它是从C语言中借来的一元操作符(只接受一个参数)，在C语言中，所有数据类型只是解释字节的不同方式。它是“逆”或“补”操作，其中输入数据的所有位都是反向的。

在Python中，对于整数，该整数的twos-complement表示的位反转(就像b <- b XOR 1中每个位一样)，结果再次解释为二补整数。所以对于整数，~x等价于(-x) - 1。

~操作符的具体化形式被提供为operator.invert。为了在你自己的类中支持这个操作符，给它一个__invert__(self)方法。

>>> import operator
>>> class Foo:
...   def __invert__(self):
...     print 'invert'
...
>>> x = Foo()
>>> operator.invert(x)
invert
>>> ~x
invert

在任何类中，如果一个实例的“补”或“逆”同时也是同一个类的实例，那么这个类就有可能使用反转操作符。然而，操作符重载如果使用不当会导致混乱，所以在向类提供__invert__方法之前，一定要确保这样做是有意义的。(注意，bytes -string [ex: '\xff']不支持此操作符，尽管将字节串的所有位颠倒是有意义的。)

小开

除了作为位补操作符外，~还可以帮助恢复布尔值，尽管它不是常规的bool类型，而应该使用numpy.bool_。

这在，

import numpy as np
assert ~np.True_ == np.False_

反转逻辑值有时是有用的，例如，下面~操作符用于清理数据集，并返回一个没有NaN的列。

from numpy import NaN
import pandas as pd


matrix = pd.DataFrame([1,2,3,4,NaN], columns=['Number'], dtype='float64')
# Remove NaN in column 'Number'
matrix['Number'][~matrix['Number'].isnull()]
小开

这是次要的用法是波浪…

def split_train_test_by_id(data, test_ratio, id_column):
ids = data[id_column]
in_test_set = ids.apply(lambda id_: test_set_check(id_, test_ratio))
return data.loc[~in_test_set], data.loc[in_test_set]

上面的代码来自“Hands On Machine Learning”

您可以使用波浪号(~符号)作为-符号索引标记的替代

就像你用- - is表示整数索引一样

例)

array = [1,2,3,4,5,6]
print(array[-1])

是一样的吗

print(array[~1])

小开

应该注意，在数组索引的情况下，array[~i]等于reversed_array[i]。它可以被视为从数组末尾开始的索引:

[0, 1, 2, 3, 4, 5, 6, 7, 8]
^                 ^
i                ~i
小开

我正在解决这个leetcode问题，我遇到了一个名为Zitao王的用户的漂亮的解决方案。

问题是这样的，对于给定数组中的每个元素，在不使用除法的情况下，在O(n)时间内找到所有剩余数字的乘积

标准解决方案是:

Pass 1: For all elements compute product of all the elements to the left of it
Pass 2: For all elements compute product of all the elements to the right of it
and then multiplying them for the final answer

他的解决方案只使用了一个for循环。他使用~动态计算左积和右积

def productExceptSelf(self, nums):
res = [1]*len(nums)
lprod = 1
rprod = 1
for i in range(len(nums)):
res[i] *= lprod
lprod *= nums[i]
res[~i] *= rprod
rprod *= nums[~i]
return res
小开

我唯一一次在实践中使用这个是numpy/pandas。例如，使用.isin() dataframe方法。

在文档中，他们给出了这个基本的例子

>>> df.isin([0, 2])
num_legs  num_wings
falcon      True       True
dog        False       True

但是如果你想要所有的行不是在[0,2]呢?

>>> ~df.isin([0, 2])
num_legs  num_wings
falcon     False       False
dog        True        False
小开

它叫做二进制一号的补体(~)

它返回一个数的二进制数的补数。它翻转比特。2的二进制是00000010。它的补数是11111101。

这是-3的二进制。结果是-3。类似地，~1的结果是-2。

~-3

输出:2

同样，-3的补是2。


提交答案