Sveip for å vise menyen

Medlemskapsoperatorer og Type-sammenligninger

I dette kapittelet skal vi utforske noen nyanserte aspekter ved Python som kan forbedre hvordan du håndterer og samhandler med data i programmene dine — spesielt medlemskapsoperatorer og type-sammenligninger.

La oss se hvordan Alex bruker disse verktøyene:

Medlemskapsoperatorer er nyttige når du trenger å sjekke om bestemte elementer eller delstrenger finnes i et itererbart objekt. Et itererbart objekt i Python er alt du kan iterere over, som strenger, lister eller tupler. Vi skal utforske lister og tupler mer detaljert i neste seksjon; for nå er det viktig å forstå at medlemskapsoperatorer kan brukes på mer enn bare strenger.

De viktigste medlemskapsoperatorene er in og not in, som begge returnerer en boolsk verdi som indikerer om et element er til stede (eller ikke til stede).

Siden du allerede har lært om streng-indeksering og slicing, er du kjent med at strenger er itererbare. Dette betyr at du kan bruke medlemskapsoperatorer til å sjekke etter delstrenger i større strenger.

Se følgende eksempel:


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

Eksempel på bruk

Tenk deg at du administrerer produktbeskrivelser eller kategorier i dagligvaresystemet ditt. Du kan motta en lang streng med produktdetaljer, og du må raskt sjekke etter spesifikke nøkkelord for å kategorisere eller fremheve produkter basert på kundepreferanser eller kampanjer:


              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)

Verifisering av datatyper

Å forstå hvilken type data du arbeider med i Python er avgjørende, spesielt når du håndterer de ulike behovene i et dagligvaresystem. Funksjonen type() er uvurderlig fordi den hjelper deg å sikre at du arbeider med riktige datatyper — som strenger for produktnavn, flyttall for priser og heltall for lagerbeholdning.

Dette forhindrer ikke bare feil, men gjør også datamanipulering og sammenligninger mer hensiktsmessige og pålitelige.

I det følgende eksempelet viser vi hvordan type() kan brukes til å verifisere at dataene som legges inn i systemet oppfyller de forventede kriteriene, noe som er en vanlig nødvendighet ved håndtering av dagligvaredata for å forhindre feil under utsjekk eller lageroppdateringer:


              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.")

Oppgave

Swipe to start coding

Verifiser detaljene for et nytt produkt lagt til i et dagligvaresystem ved hjelp av medlemskapsoperatorer og typekontroller.

Bruk medlemskapsoperatorer for å sjekke om delstrengene "raw" og "Imported" finnes i variabelen description.
Tildel resultatene til de boolske variablene contains_raw og contains_Imported.
Bruk funksjonen type() for å sjekke om price er en float og count er en int.
Tildel resultatene av disse typekontrollene til price_is_float og count_is_int.

Krav til utskrift

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>.

Merk:

Python skiller mellom store og små bokstaver, så "imported" og "Imported" er forskjellige strenger.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 3. Kapittel 4

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Medlemskapsoperatorer og Type-sammenligninger

La oss se hvordan Alex bruker disse verktøyene:

De viktigste medlemskapsoperatorene er in og not in, som begge returnerer en boolsk verdi som indikerer om et element er til stede (eller ikke til stede).

Se følgende eksempel:


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

Eksempel på bruk


              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)

Verifisering av datatyper

Dette forhindrer ikke bare feil, men gjør også datamanipulering og sammenligninger mer hensiktsmessige og pålitelige.


              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.")

Oppgave

Swipe to start coding

Verifiser detaljene for et nytt produkt lagt til i et dagligvaresystem ved hjelp av medlemskapsoperatorer og typekontroller.

Bruk medlemskapsoperatorer for å sjekke om delstrengene "raw" og "Imported" finnes i variabelen description.
Tildel resultatene til de boolske variablene contains_raw og contains_Imported.
Bruk funksjonen type() for å sjekke om price er en float og count er en int.
Tildel resultatene av disse typekontrollene til price_is_float og count_is_int.

Krav til utskrift

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>.

Merk:

Python skiller mellom store og små bokstaver, så "imported" og "Imported" er forskjellige strenger.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 3. Kapittel 4

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor