Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lære Medlemskabsoperatorer og Type-Sammenligninger | Betingede Udsagn
Introduktion til Python

Stryg for at vise menuen

book
Medlemskabsoperatorer og Type-Sammenligninger

I dette kapitel vil vi udforske nogle nuancerede aspekter af Python, som kan forbedre måden, du håndterer og interagerer med data i dine programmer på — 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 iterabelt objekt. Et iterabelt objekt i Python er alt, du kan gennemløbe, såsom strenge, lister eller tupler. Vi vil udforske lister og tupler mere detaljeret i næste afsnit; forstå indtil da, 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 udsnit, er du bekendt med, at strenge er iterable. 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)
copy

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)
copy

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, flydende tal 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.")
copy
Opgave

Swipe to start coding

Bekræft detaljerne for et nyt produkt tilføjet til et dagligvaresystem ved hjælp af medlemskabsoperatorer og typekontrol.

  • Brug medlemskabsoperatorer til at kontrollere, om understrengene "raw" og "Imported" findes i variablen description.
  • Tildel resultaterne til de booleske variabler contains_raw og contains_Imported.
  • Brug funktionen type() til at kontrollere, om price er en float, og om count er en int.
  • Tildel resultaterne af disse typekontroller til price_is_float og count_is_int.

Outputkrav

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

Bemærk:

Python skelner mellem store og små bogstaver, så "imported" og "Imported" er forskellige strenge.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 3. Kapitel 4
single

single

Spørg AI

expand

Spørg AI

ChatGPT

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

close

Awesome!

Completion rate improved to 2.17

book
Medlemskabsoperatorer og Type-Sammenligninger

I dette kapitel vil vi udforske nogle nuancerede aspekter af Python, som kan forbedre måden, du håndterer og interagerer med data i dine programmer på — 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 iterabelt objekt. Et iterabelt objekt i Python er alt, du kan gennemløbe, såsom strenge, lister eller tupler. Vi vil udforske lister og tupler mere detaljeret i næste afsnit; forstå indtil da, 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 udsnit, er du bekendt med, at strenge er iterable. 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)
copy

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)
copy

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, flydende tal 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.")
copy
Opgave

Swipe to start coding

Bekræft detaljerne for et nyt produkt tilføjet til et dagligvaresystem ved hjælp af medlemskabsoperatorer og typekontrol.

  • Brug medlemskabsoperatorer til at kontrollere, om understrengene "raw" og "Imported" findes i variablen description.
  • Tildel resultaterne til de booleske variabler contains_raw og contains_Imported.
  • Brug funktionen type() til at kontrollere, om price er en float, og om count er en int.
  • Tildel resultaterne af disse typekontroller til price_is_float og count_is_int.

Outputkrav

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

Bemærk:

Python skelner mellem store og små bogstaver, så "imported" og "Imported" er forskellige strenge.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

close

Awesome!

Completion rate improved to 2.17

Stryg for at vise menuen

some-alt