Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lära Medlemskapsoperatorer och Typjämförelser | Villkorssatser
Introduktion till Python

Svep för att visa menyn

book
Medlemskapsoperatorer och Typjämförelser

I det här kapitlet kommer vi att utforska några nyanserade aspekter av Python som kan avsevärt förbättra hur du hanterar och interagerar med data i dina program — specifikt, Medlemsoperatörer och Typjämförelser.

Låt oss se hur Alex använder dessa verktyg:

Medlemsoperatörer är användbara när du behöver kontrollera om specifika objekt eller delsträngar finns inom ett itererbart objekt. Ett itererbart objekt i Python är något som du kan loopa över, som strängar, listor eller tupler. Vi kommer att utforska listor och tupler mer i detalj i nästa avsnitt; för nu, förstå att medlemsoperatörer kan tillämpas på mer än bara strängar.

De primära medlemsoperatörerna är in och not in, båda returnerar ett boolean värde som indikerar närvaron (eller frånvaron) av ett objekt.

Eftersom du redan har lärt dig om strängindexering och skivning, är du bekant med konceptet att strängar är itererbara. Detta innebär att du kan använda medlemsoperatörer för att kontrollera delsträngar inom större strängar.

Tänk på följande exempel:


              
123

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

Exempelapplikation

Föreställ dig att du hanterar produktbeskrivningar eller kategorier i ditt livsmedelsbutikssystem. Du kanske får en lång sträng av produktdetaljer, och du behöver snabbt kontrollera specifika nyckelord för att kategorisera eller markera produkter baserat på kundpreferenser eller kampanjaktiviteter:


              
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)
copy

Verifiera Datatyper

Att förstå vilken typ av data du har att göra med i Python är avgörande, särskilt när du hanterar de olika behoven i ett livsmedelsbutikssystem. Funktionen type() är ovärderlig eftersom den hjälper till att säkerställa att du arbetar med rätt datatyper — såsom strängar för produktnamn, flyttal för priser och heltal för lagermängder.

Detta förhindrar inte bara buggar utan gör också datamanipulationer och jämförelser mer lämpliga och pålitliga.

I följande exempel illustrerar vi hur type() kan användas för att verifiera att den data som matas in i systemet uppfyller de förväntade kriterierna, vilket är en vanlig nödvändighet vid hantering av livsmedelsbutiksdata för att förhindra fel vid utcheckning eller lageruppdateringar:


              
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.")
copy
Uppgift

Swipe to start coding

Verifiera detaljerna för en ny produkt som lagts till i ett livsmedelsbutikssystem med hjälp av medlemskapsoperatorer och typjämförelser.

  • Använd medlemskapsoperatorer för att kontrollera om understrängarna "raw" och "Imported" finns i variabeln description.
  • Tilldela resultaten till de booleska variablerna contains_raw och contains_Imported.
  • Använd funktionen type() för att kontrollera om price är en float och count är en int.
  • Tilldela resultaten av dessa typkontroller till price_is_float och count_is_int.

Utmatningskrav

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

Notera:

Python är skiftlägeskänsligt, så "imported" och "Imported" är olika strängar.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 4

Fråga AI

expand
ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

book
Medlemskapsoperatorer och Typjämförelser

I det här kapitlet kommer vi att utforska några nyanserade aspekter av Python som kan avsevärt förbättra hur du hanterar och interagerar med data i dina program — specifikt, Medlemsoperatörer och Typjämförelser.

Låt oss se hur Alex använder dessa verktyg:

Medlemsoperatörer är användbara när du behöver kontrollera om specifika objekt eller delsträngar finns inom ett itererbart objekt. Ett itererbart objekt i Python är något som du kan loopa över, som strängar, listor eller tupler. Vi kommer att utforska listor och tupler mer i detalj i nästa avsnitt; för nu, förstå att medlemsoperatörer kan tillämpas på mer än bara strängar.

De primära medlemsoperatörerna är in och not in, båda returnerar ett boolean värde som indikerar närvaron (eller frånvaron) av ett objekt.

Eftersom du redan har lärt dig om strängindexering och skivning, är du bekant med konceptet att strängar är itererbara. Detta innebär att du kan använda medlemsoperatörer för att kontrollera delsträngar inom större strängar.

Tänk på följande exempel:


              
123

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

Exempelapplikation

Föreställ dig att du hanterar produktbeskrivningar eller kategorier i ditt livsmedelsbutikssystem. Du kanske får en lång sträng av produktdetaljer, och du behöver snabbt kontrollera specifika nyckelord för att kategorisera eller markera produkter baserat på kundpreferenser eller kampanjaktiviteter:


              
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)
copy

Verifiera Datatyper

Att förstå vilken typ av data du har att göra med i Python är avgörande, särskilt när du hanterar de olika behoven i ett livsmedelsbutikssystem. Funktionen type() är ovärderlig eftersom den hjälper till att säkerställa att du arbetar med rätt datatyper — såsom strängar för produktnamn, flyttal för priser och heltal för lagermängder.

Detta förhindrar inte bara buggar utan gör också datamanipulationer och jämförelser mer lämpliga och pålitliga.

I följande exempel illustrerar vi hur type() kan användas för att verifiera att den data som matas in i systemet uppfyller de förväntade kriterierna, vilket är en vanlig nödvändighet vid hantering av livsmedelsbutiksdata för att förhindra fel vid utcheckning eller lageruppdateringar:


              
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.")
copy
Uppgift

Swipe to start coding

Verifiera detaljerna för en ny produkt som lagts till i ett livsmedelsbutikssystem med hjälp av medlemskapsoperatorer och typjämförelser.

  • Använd medlemskapsoperatorer för att kontrollera om understrängarna "raw" och "Imported" finns i variabeln description.
  • Tilldela resultaten till de booleska variablerna contains_raw och contains_Imported.
  • Använd funktionen type() för att kontrollera om price är en float och count är en int.
  • Tilldela resultaten av dessa typkontroller till price_is_float och count_is_int.

Utmatningskrav

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

Notera:

Python är skiftlägeskänsligt, så "imported" och "Imported" är olika strängar.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 4
Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Vi beklagar att något gick fel. Vad hände?
some-alt