删除list1中重复的元素。利用s.append(x),将对象添加到一个空列表中。list=['you','were','a','teardrop','In','my','eye','For','fear','of','losing','you','I','would','nerve','cry'] list2=[]Python
时间: 2023-08-06 20:21:58 浏览: 118
可以使用set()函数来去除list中的重复元素,然后再将其转换回list类型。具体代码如下:
```
list1 = ['you','were','a','teardrop','In','my','eye','For','fear','of','losing','you','I','would','never','cry']
list2 = list(set(list1))
print(list2)
```
输出结果为:
```
['you', 'eye', 'losing', 'I', 'teardrop', 'my', 'never', 'would', 'were', 'of', 'fear', 'For', 'a', 'In', 'cry']
```
然后可以使用s.append(x)将去重后的元素添加到一个空列表中,具体代码如下:
```
s = []
for x in list2:
s.append(x)
print(s)
```
输出结果为:
```
['you', 'eye', 'losing', 'I', 'teardrop', 'my', 'never', 'would', 'were', 'of', 'fear', 'For', 'a', 'In', 'cry']
```
相关问题
#Dataframe数据塞进列表 listbook2 = [] listbook = [] for i in range(book2.iloc[:,0].size): #生成列表 s = book2.iloc[i]['Age'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Sex'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Marital status?'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Education'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Employement'] s = s.strip() listbook.append(s) s = book2.iloc[i]['How many books did you read during last 12months?'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Read any printed books during last 12months?'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Read any audiobooks during last 12months?'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Read any e-books during last 12months?'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Do you happen to read any daily news or newspapers?'] s = s.strip() listbook.append(s) s = book2.iloc[i]['Do you happen to read any magazines or journals?'] s = s.strip() listbook.append(s) listbook2.append(listbook.copy()) listbook.clear()
这段代码是将一个名为book2的DataFrame数据,转换成了一个二维列表listbook2。其中,每一行数据都被转换成了一个包含多个元素的列表listbook,并且这些列表按顺序存储在listbook2中。
具体来说,这个代码首先定义了两个空列表listbook和listbook2,然后通过循环遍历book2的每一行数据。对于每一行数据,都将其中的每个元素提取出来,并去除两端的空格,然后添加到listbook中。最后,将这个已经填满数据的listbook复制一份添加到listbook2中,并清空listbook以便下一次循环使用。最终,listbook2就成为了一个由多个listbook组成的二维列表,其中每个listbook都代表了一行数据。
label2int = {'buildings':0,'forest':1,'glacier':2,'mountain':3,'sea':4,'street':5} int2label = dict([val,key] for key,val in label2int.items()) def get_images(directory): Images = [] Labels = [] for labels in os.listdir(directory): label = label2int[labels] for image_file in os.listdir(directory+labels): #Extracting the file name of the image from Class Label folder image = cv2.imread(directory+labels+r'/'+image_file) # Reading the image (OpenCV) image = cv2.resize(image,(150,150)) #Resize the image, Some images are different sizes. (Resizing is very Important) Images.append(image) Labels.append(label) return shuffle(Images,Labels,random_state=817328462) #Shuffle the dataset you just prepared. def get_classlabel(class_code): labels = {2:'glacier', 4:'sea', 0:'buildings', 1:'forest', 5:'street', 3:'mountain'} return labels[class_code] Images, Labels = get_images('../input/seg_train/') #Extract the training images from the folders. Images = np.array(Images) #converting the list of images to numpy array. Labels = np.array(Labels) 请用中文分别解释上述每行代码的作用
1. `label2int = {'buildings':0,'forest':1,'glacier':2,'mountain':3,'sea':4,'street':5}`:创建一个字典,将类别名称映射为数字标签。
2. `int2label = dict([val,key] for key,val in label2int.items())`:创建一个字典,将数字标签映射为类别名称。
3. `def get_images(directory):`:定义一个函数,用于从给定目录中获取图像和标签。
4. `Images = []`:创建一个空列表,用于存储图像。
5. `Labels = []`:创建一个空列表,用于存储标签。
6. `for labels in os.listdir(directory):`:遍历目录中的所有标签文件夹。
7. `label = label2int[labels]`:将标签名称转换为数字标签。
8. `for image_file in os.listdir(directory+labels):`:遍历标签文件夹中的所有图像文件。
9. `image = cv2.imread(directory+labels+r'/'+image_file)`:读取图像文件,使用OpenCV库函数cv2.imread()。
10. `image = cv2.resize(image,(150,150))`:调整图像大小为150x150像素,以确保所有图像都具有相同的尺寸。
11. `Images.append(image)`:将图像添加到图像列表中。
12. `Labels.append(label)`:将标签添加到标签列表中。
13. `return shuffle(Images,Labels,random_state=817328462)`:将图像和标签列表打乱,并返回打乱后的结果。
14. `def get_classlabel(class_code):`:定义一个函数,用于将数字标签转换为类别名称。
15. `labels = {2:'glacier', 4:'sea', 0:'buildings', 1:'forest', 5:'street', 3:'mountain'}`:创建一个字典,将数字标签映射为类别名称。
16. `return labels[class_code]`:返回给定数字标签对应的类别名称。
17. `Images, Labels = get_images('../input/seg_train/')`:从给定目录中获取图像和标签。
18. `Images = np.array(Images)`:将图像列表转换为NumPy数组。
19. `Labels = np.array(Labels)`:将标签列表转换为NumPy数组。
阅读全文