ਪਾਈਥਨ ਦੇ ਸਲਾਈਸ ਨੋਟੇਸ਼ਨ ਨੂੰ ਸਮਝਣਾ

ਪਾਇਥਨ ਸਲਾਈਸ ਨੋਟੇਸ਼ਨ ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਨਾ

ਪਾਈਥਨ ਵਿੱਚ ਕੱਟਣਾ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਸੂਚੀ, ਟੂਪਲ, ਜਾਂ ਸਤਰ ਤੋਂ ਤੱਤਾਂ ਦੇ ਸਬਸੈੱਟ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਭਾਵੇਂ ਤੁਸੀਂ ਬੁਨਿਆਦੀ ਟੁਕੜਿਆਂ ਜਿਵੇਂ ਕਿ a[:] ਜਾਂ a[x:y:z] ਵਰਗੇ ਹੋਰ ਉੱਨਤ ਸਲਾਈਸਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋ, ਇਹ ਸਮਝਣਾ ਕਿ ਟੁਕੜੇ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ ਤੁਹਾਡੀ ਕੋਡਿੰਗ ਕੁਸ਼ਲਤਾ ਨੂੰ ਬਹੁਤ ਵਧਾ ਸਕਦੇ ਹਨ।

ਇਹ ਲੇਖ ਪਾਇਥਨ ਵਿੱਚ ਸਲਾਈਸ ਨੋਟੇਸ਼ਨ ਦੇ ਮਕੈਨਿਕਸ ਦੀ ਖੋਜ ਕਰੇਗਾ, ਇਹ ਵਿਆਖਿਆ ਕਰੇਗਾ ਕਿ ਟੁਕੜੇ ਉੱਪਰ-ਬਾਉਂਡ ਨਿਵੇਕਲੇ ਕਿਉਂ ਹਨ, ਹਰ Nth ਆਈਟਮ ਨਾਲ ਨਵੀਆਂ ਸੂਚੀਆਂ ਕਿਵੇਂ ਬਣਾਉਣੀਆਂ ਹਨ, ਅਤੇ ਸਪਸ਼ਟ ਕਰੋ ਕਿ ਸੂਚੀ ਦੇ ਟੁਕੜਿਆਂ ਨਾਲ ਅਸਾਈਨਮੈਂਟ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਅੰਤ ਤੱਕ, ਤੁਹਾਨੂੰ ਪਾਈਥਨ ਵਿੱਚ ਕੱਟਣ ਦੀ ਇੱਕ ਠੋਸ ਸਮਝ ਹੋਵੇਗੀ।

ਪਾਈਥਨ ਸਲਾਈਸ ਨੋਟੇਸ਼ਨ ਦੀ ਪੜਚੋਲ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ

ਉੱਪਰ ਦਿੱਤੀਆਂ ਗਈਆਂ ਸਕ੍ਰਿਪਟਾਂ ਸੂਚੀਆਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਬਦਲਣ ਲਈ ਪਾਈਥਨ ਦੇ ਟੁਕੜੇ ਨੋਟੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਕਈ ਤਰੀਕੇ ਦਰਸਾਉਂਦੀਆਂ ਹਨ। ਪਹਿਲੀ ਸਕ੍ਰਿਪਟ ਮੂਲ ਕੱਟਣ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਿੱਥੇ ਅਸੀਂ ਸੂਚੀ ਦੇ ਸਬਸੈੱਟ ਬਣਾਉਂਦੇ ਹਾਂ a ਵੱਖ-ਵੱਖ ਟੁਕੜੇ ਨੋਟੇਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਉਦਾਹਰਣ ਲਈ, a[2:5] ਸੂਚਕਾਂਕ 2 ਤੋਂ 4 ਤੱਕ ਤੱਤ ਕੱਢਦਾ ਹੈ, ਜਦਕਿ a[:3] ਪਹਿਲੇ ਤਿੰਨ ਤੱਤ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਦ a[::2] ਸੰਟੈਕਸ ਸੂਚੀ ਵਿੱਚੋਂ ਹਰ ਦੂਜੇ ਤੱਤ ਨੂੰ ਕੱਢਦਾ ਹੈ, ਅਤੇ a[::-1] ਸੂਚੀ ਨੂੰ ਉਲਟਾਉਂਦਾ ਹੈ। ਇਹ ਸਲਾਈਸਿੰਗ ਤਕਨੀਕਾਂ ਲਚਕਦਾਰ ਡਾਟਾ ਕੱਢਣ ਅਤੇ ਹੇਰਾਫੇਰੀ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਮੂਲ ਸੂਚੀ ਨੂੰ ਬਦਲੇ ਬਿਨਾਂ ਡਾਟਾ ਦੇ ਸਬਸੈੱਟਾਂ ਨਾਲ ਕੰਮ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।

ਦੂਸਰੀ ਸਕ੍ਰਿਪਟ ਸਲਾਈਸਿੰਗ ਵਿੱਚ ਉਪਰਲੀ-ਬਾਉਂਡ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਧਾਰਨਾ ਦੀ ਵਿਆਖਿਆ ਕਰਦੀ ਹੈ। ਵਿੱਚ xs[0:2], ਸੂਚਕਾਂਕ 0 ਅਤੇ 1 ਦੇ ਤੱਤ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਹਨ, ਪਰ ਸੂਚਕਾਂਕ 2 ਨੂੰ ਬਾਹਰ ਰੱਖਿਆ ਗਿਆ ਹੈ। ਇਹ ਵਿਵਹਾਰ ਪਾਇਥਨ ਦੀ ਜ਼ੀਰੋ-ਅਧਾਰਿਤ ਇੰਡੈਕਸਿੰਗ ਨਾਲ ਇਕਸਾਰ ਹੈ ਅਤੇ ਔਫ-ਬਾਈ-ਵਨ ਗਲਤੀਆਂ ਨੂੰ ਰੋਕਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਤੀਜੀ ਸਕ੍ਰਿਪਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਸਲ ਸੂਚੀ ਵਿੱਚੋਂ ਹਰ Nth ਆਈਟਮ ਦੇ ਨਾਲ ਇੱਕ ਨਵੀਂ ਸੂਚੀ ਬਣਾਉਂਦੀ ਹੈ a[::3], ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਤੱਤਾਂ ਨੂੰ ਨਮੂਨਾ ਲੈਣ ਜਾਂ ਛੱਡਣ ਲਈ ਸਲਾਈਸਿੰਗ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਚੌਥੀ ਸਕ੍ਰਿਪਟ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਸੂਚੀ ਦੇ ਖਾਸ ਟੁਕੜਿਆਂ ਨੂੰ ਨਵੇਂ ਮੁੱਲ ਕਿਵੇਂ ਨਿਰਧਾਰਤ ਕੀਤੇ ਜਾਣ। ਵਰਤ ਕੇ xs[0:2] = ["a", "b"], ਸੂਚਕਾਂਕ 0 ਅਤੇ 1 ਦੇ ਤੱਤਾਂ ਨੂੰ "a" ਅਤੇ "b" ਨਾਲ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ। ਟੁਕੜਿਆਂ ਨੂੰ ਮੁੱਲ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਇਹ ਯੋਗਤਾ ਸੂਚੀ ਦੇ ਭਾਗਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਸੋਧਣਾ ਆਸਾਨ ਬਣਾਉਂਦੀ ਹੈ।

# Basic slicing
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
slice1 = a[2:5]    # [2, 3, 4]
slice2 = a[:3]     # [0, 1, 2]
slice3 = a[::2]    # [0, 2, 4, 6, 8]
slice4 = a[1:7:2]  # [1, 3, 5]
slice5 = a[::-1]   # [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

print(slice1)
print(slice2)
print(slice3)
print(slice4)
print(slice5)

# Explanation of upper-bound exclusivity
xs = [10, 20, 30, 40, 50]
slice1 = xs[0:2]  # [10, 20]
slice2 = xs[:3]   # [10, 20, 30]

print(slice1)
print(slice2)

# The end index is not included in the slice
# xs[0:2] includes xs[0] and xs[1], but not xs[2]

# Creating a new list with every Nth item
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
nth_list = a[::3]  # [0, 3, 6, 9]

print(nth_list)

# Assignment with list slices
xs = [10, 20, 30, 40, 50]
xs[0:2] = ["a", "b"]  # xs becomes ['a', 'b', 30, 40, 50]
print(xs)

ਪਾਈਥਨ ਸਲਾਈਸ ਨੋਟੇਸ਼ਨ ਵਿੱਚ ਡੂੰਘੀ ਗੋਤਾਖੋਰੀ

ਬੁਨਿਆਦੀ ਕੱਟਣ ਤੋਂ ਇਲਾਵਾ, ਪਾਇਥਨ ਦੇ ਟੁਕੜੇ ਨੋਟੇਸ਼ਨ ਨੂੰ ਵੱਖ-ਵੱਖ ਡੇਟਾ ਹੇਰਾਫੇਰੀ ਕਾਰਜਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਵਧੇਰੇ ਉੱਨਤ ਤਰੀਕਿਆਂ ਨਾਲ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪਹਿਲੂ ਨਕਾਰਾਤਮਕ ਇੰਡੈਕਸਿੰਗ ਹੈ, ਜੋ ਤੁਹਾਨੂੰ ਸੂਚੀ ਦੇ ਅੰਤ ਤੋਂ ਕੱਟਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਉਦਾਹਰਣ ਦੇ ਲਈ, a[-3:] ਸੂਚੀ ਦੇ ਆਖਰੀ ਤਿੰਨ ਤੱਤਾਂ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ a. ਸੂਚੀ ਦੇ ਅੰਤ ਵਿੱਚ ਇਸਦੀ ਲੰਬਾਈ ਨੂੰ ਜਾਣੇ ਬਿਨਾਂ ਤੱਤਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਲਈ ਇਹ ਅਵਿਸ਼ਵਾਸ਼ਯੋਗ ਤੌਰ 'ਤੇ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ। ਇੱਕ ਹੋਰ ਉੱਨਤ ਵਿਸ਼ੇਸ਼ਤਾ ਹੋਰ ਸੂਚੀ ਕਾਰਜਾਂ ਦੇ ਨਾਲ ਟੁਕੜਿਆਂ ਨੂੰ ਜੋੜ ਰਹੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਛਾਂਟਣਾ ਜਾਂ ਫਿਲਟਰ ਕਰਨਾ। ਤੁਸੀਂ ਵਰਤ ਕੇ ਸੂਚੀ ਦੇ ਇੱਕ ਟੁਕੜੇ ਨੂੰ ਕ੍ਰਮਬੱਧ ਕਰ ਸਕਦੇ ਹੋ sorted(a[2:5]), ਜੋ ਮੂਲ ਸੂਚੀ ਨੂੰ ਬਦਲੇ ਬਿਨਾਂ ਸੂਚਕਾਂਕ 2 ਤੋਂ 4 ਤੱਕ ਤੱਤਾਂ ਦਾ ਕ੍ਰਮਬੱਧ ਸੰਸਕਰਣ ਵਾਪਸ ਕਰਦਾ ਹੈ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਲਾਈਸਿੰਗ ਨੂੰ ਬਹੁ-ਆਯਾਮੀ ਸੂਚੀਆਂ, ਜਾਂ ਸੂਚੀਆਂ ਦੀਆਂ ਸੂਚੀਆਂ ਨਾਲ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ 2D ਸੂਚੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਕਤਾਰਾਂ ਅਤੇ ਕਾਲਮਾਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਕੱਟ ਸਕਦੇ ਹੋ। ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ matrix[:2] ਪਹਿਲੀਆਂ ਦੋ ਕਤਾਰਾਂ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਜਦਕਿ [row[:2] for row in matrix] ਹਰੇਕ ਕਤਾਰ ਦੇ ਪਹਿਲੇ ਦੋ ਕਾਲਮਾਂ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਇਹਨਾਂ ਉੱਨਤ ਸਲਾਈਸਿੰਗ ਤਕਨੀਕਾਂ ਨੂੰ ਸਮਝਣਾ ਗੁੰਝਲਦਾਰ ਡੇਟਾ ਢਾਂਚੇ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਹੇਰਾਫੇਰੀ ਕਰਨ ਦੀ ਤੁਹਾਡੀ ਯੋਗਤਾ ਨੂੰ ਮਹੱਤਵਪੂਰਣ ਰੂਪ ਵਿੱਚ ਵਧਾ ਸਕਦਾ ਹੈ। ਪਾਇਥਨ ਦਾ ਟੁਕੜਾ ਨੋਟੇਸ਼ਨ ਨਾ ਸਿਰਫ਼ ਇੱਕ ਸੂਚੀ ਦੇ ਭਾਗਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਲਈ ਇੱਕ ਸਾਧਨ ਹੈ ਬਲਕਿ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਹੇਰਾਫੇਰੀ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਵਿਸ਼ੇਸ਼ਤਾ ਵੀ ਹੈ।