Оператор тильди в Python

Яке використання оператора tilde в Python?

Я можу подумати над тим, щоб зробити щось з обох сторін рядка чи списку, наприклад перевірити, чи є рядок паліндромною чи ні:

def is_palindromic(s):
    return all(s[i] == s[~i] for i in range(len(s) / 2)) 

Будь-яке інше корисне використання?

Це одинарний оператор (беручи єдиний аргумент), запозичений з C, де всі типи даних є просто різними способами інтерпретації байтів. Це операція "інвертування" або "доповнення", при якій всі біти вхідних даних обернені назад.

У Python для цілих чисел біти представлення двох чисел -доповнення цілого числа обернені (як у b <- b XOR 1кожному окремому біті), і результат знову інтерпретується як ціле число подвійного доповнення. Отже, для цілих чисел ~xеквівалентно (-x) - 1.

Змінена форма ~оператора надається як operator.invert. Щоб підтримати цього оператора у власному класі, надайте йому __invert__(self)метод.

>>> import operator
>>> class Foo:
...   def __invert__(self):
...     print 'invert'
...
>>> x = Foo()
>>> operator.invert(x)
invert
>>> ~x
invert

Будь-який клас, в якому доцільно мати "доповнення" або "зворотний" екземпляр, який також є екземпляром того ж класу, є можливим кандидатом для оператора інвертування. Однак перевантаження оператора може призвести до плутанини при неправильному використанні, тому переконайтесь, що це дійсно має сенс зробити перед тим, як __invert__подавати метод у свій клас. (Зверніть увагу, що рядки байтів [ex: '\xff'] не підтримують цього оператора, навіть якщо доречно перевернути всі біти байтового рядка.)

~є оператором побітового доповнення в python, який по суті обчислює-x - 1

Так виглядав би стіл

i  ~i  
0  -1
1  -2
2  -3
3  -4 
4  -5 
5  -6

Так i = 0було б порівняти s[0]з s[len(s) - 1], для i = 1, s[1]з s[len(s) - 2].

Що стосується вашого іншого питання, це може бути корисним для ряду розрядних хак .

Окрім того, що є оператором бітового доповнення, ~також може допомогти повернути бульне значення, хоча це не є звичайним boolтипом, скоріше, ви повинні використовувати numpy.bool_.

Це пояснюється в

import numpy as np
assert ~np.True_ == np.False_

Повернення логічного значення може бути корисним іноді, наприклад, нижче ~оператор використовується для очищення вашого набору даних та повернення вам стовпця без NaN.

from numpy import NaN
import pandas as pd

matrix = pd.DataFrame([1,2,3,4,NaN], columns=['Number'], dtype='float64')
# Remove NaN in column 'Number'
matrix['Number'][~matrix['Number'].isnull()]

Слід зазначити, що у випадку індексації масиву array[~i]дорівнює reversed_array[i]. Це може розглядатися як індексація, починаючи з кінця масиву:

[0, 1, 2, 3, 4, 5, 6, 7, 8]
    ^                 ^
    i                ~i

Єдиний раз, коли я коли-небудь використовував це на практиці, це с numpy/pandas. Наприклад, .isin() методом фрейму даних .

У документах вони показують цей основний приклад

>>> df.isin([0, 2])
        num_legs  num_wings
falcon      True       True
dog        False       True

Але що робити, якщо замість цього ви хотіли, щоб усі рядки були не в [0, 2]?

>>> ~df.isin([0, 2])
        num_legs  num_wings
falcon     False       False
dog        True        False

Я вирішував цю проблему з кодом, і я натрапив на це прекрасне рішення від користувача на ім’я Zitao Wang .

Проблема полягає в тому, що для кожного елемента в даному масиві знайти добуток усіх решти чисел, не використовуючи ділення і в O(n)часі

Стандартне рішення:

Pass 1: For all elements compute product of all the elements to the left of it
Pass 2: For all elements compute product of all the elements to the right of it
        and then multiplying them for the final answer 

Його рішення використовує лише один для циклу, використовуючи. Він обчислює лівий продукт і правий продукт на льоту, використовуючи~

def productExceptSelf(self, nums):
    res = [1]*len(nums)
    lprod = 1
    rprod = 1
    for i in range(len(nums)):
        res[i] *= lprod
        lprod *= nums[i]
        res[~i] *= rprod
        rprod *= nums[~i]
    return res

Це незначне використання - це тильда ...

def split_train_test_by_id(data, test_ratio, id_column):
    ids = data[id_column]
    in_test_set = ids.apply(lambda id_: test_set_check(id_, test_ratio)) 
    return data.loc[~in_test_set], data.loc[in_test_set]

код вище від "Hands On Machine Learning"

ви використовуєте tilde (~ знак) як альтернативу маркеру індексу знаків

так само, як ви використовуєте мінус - це для цілого індексу

колишній)

array = [1,2,3,4,5,6]
print(array[-1])

це те саме, що

print(array[~1])