Lære Medlemskabsoperatorer og Type-Sammenligninger

I dette kapitel vil vi undersøge nogle nuancerede aspekter af Python, der kan forbedre, hvordan du håndterer og interagerer med data i dine programmer — specifikt medlemskabsoperatorer og type-sammenligninger.

Lad os se, hvordan Alex bruger disse værktøjer:

Medlemskabsoperatorer er nyttige, når du skal kontrollere, om bestemte elementer eller understrenge findes i et itererbart objekt. Et itererbart objekt i Python er alt, du kan gennemløbe, såsom strenge, lister eller tupler. Vi vil undersøge lister og tupler mere detaljeret i næste afsnit; for nu skal du forstå, at medlemskabsoperatorer kan anvendes på mere end blot strenge.

De primære medlemskabsoperatorer er in og not in, som begge returnerer en boolesk værdi, der angiver tilstedeværelsen (eller fraværet) af et element.

Da du allerede har lært om strengindeksering og slicing, er du bekendt med, at strenge er itererbare. Det betyder, at du kan bruge medlemskabsoperatorer til at kontrollere for understrenge i større strenge.

Overvej følgende eksempel:


              123
            
itemName = "Strawberries"
in_name = "Straw" in itemName
print("Is 'Straw' in 'Strawberries'?", in_name)

Eksempel på anvendelse

Forestil dig, at du administrerer produktbeskrivelser eller kategorier i dit supermarkedssystem. Du kan modtage en lang streng med produktdetaljer, og du skal hurtigt tjekke for specifikke nøgleord for at kategorisere eller fremhæve produkter baseret på kundernes præferencer eller kampagneaktiviteter:


              12345678910
            
# Product description from supplier
product_description = "Fresh organic milk from local farms, pasteurized and homogenized."

# Check if the "organic" and "local" keywords are in the product description
is_organic = "organic" in product_description
is_local = "local" in product_description

# Print the presence of these keywords to decide on marketing strategies
print("Is the product organic?", is_organic)
print("Is the product locally sourced?", is_local)

Verificering af datatyper

Forståelse af datatypen, du arbejder med i Python, er afgørende, især når du håndterer de forskellige behov i et supermarkedssystem. Funktionen type() er uvurderlig, da den hjælper med at sikre, at du arbejder med de korrekte datatyper — såsom strenge til produktnavne, floats til priser og heltal til lagerantal.

Dette forhindrer ikke kun fejl, men gør også datamanipulationer og sammenligninger mere hensigtsmæssige og pålidelige.

I det følgende eksempel illustrerer vi, hvordan type() kan bruges til at verificere, at de indtastede data i systemet opfylder de forventede kriterier, hvilket er en almindelig nødvendighed ved håndtering af dagligvaredata for at forhindre fejl under kassen eller lageropdateringer:


              12345678910111213141516
            
# Sample data received from a cashier or inventory management system
product_name = "Almond Milk"
product_price = "3.49"
product_quantity = 30

# Checking if the data types are as expected
correct_name_type = type(product_name) == str
correct_price_type = type(product_price) == float  # Intentional error for demonstration
correct_quantity_type = type(product_quantity) == int

# Print the results to verify data types
print("Is product_name a string?", correct_name_type)
print("Is product_price a float?", correct_price_type)  # Expected: False, actual data type is a string
print("Is product_quantity an integer?", correct_quantity_type)

print("Data type check complete. Please review and correct any 'False' outcomes for data corrections.")

Opgave

Swipe to start coding

Du administrerer data for et nyt produkt, der netop er blevet tilføjet til et supermarkedssystem. Din opgave er at analysere produktinformationen ved hjælp af medlemskabsoperatorer og type-sammenligninger.

Brug medlemskabsoperatorer (in) på description-strengen:
- Undersøg om delstrengen 'raw' findes i description. Gem resultatet i contains_raw.
- Undersøg om delstrengen 'Imported' findes i description. Gem resultatet i contains_Imported.
Brug funktionen type() til at verificere datatyperne:
- Undersøg om price er af typen float. Gem resultatet i price_is_float.
- Undersøg om count er af typen int. Gem resultatet i count_is_int.
Udskriv resultaterne nøjagtigt i følgende format:

Contains 'raw': <contains_raw>
Contains 'Imported': <contains_Imported>
Is price a float?: <price_is_float>
Is count an integer?: <count_is_int>

Bemærk

Python skelner mellem store og små bogstaver, så 'imported' og 'Imported' betragtes som forskellige strenge.

Løsning

Var alt klart?

Tak for dine kommentarer!

Sektion 3. Kapitel 4

single

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Stryg for at vise menuen