博客
关于我
数组去去零,同一列表操作数值删除添加
阅读量:307 次
发布时间:2019-03-03

本文共 673 字,大约阅读时间需要 2 分钟。

要将数组中的所有零移动到末尾,同时保持非零元素的相对顺序,可以采用以下方法:

方法一:从后往前遍历

这个方法的核心思想是从数组的末尾开始遍历,遇到零时将其移动到末尾。这种方法避免了因删除元素导致索引变化的问题,从而保证了非零元素的相对顺序。

代码实现

nums = [0, 1, 0, 3, 12]for i in range(len(nums)-1, -1, -1):    if nums[i] == 0:        nums.append(nums[i])        nums.pop(i)print(nums)  # 输出: [1, 3, 12, 0, 0]

方法二:使用变量记录零的位置

另一种方法是使用一个变量来记录零的位置。当遇到非零元素时,将其移到记录位置后面,然后将零移动到末尾。

代码实现

nums = [0, 1, 0, 3, 12]j = 0for i in range(len(nums)):    if nums[i] == 0:        nums.append(nums[i])        nums.pop(i)    else:        j += 1print(nums)  # 输出: [1, 3, 12, 0, 0]

示例验证

输入:[0, 1, 0, 3, 12]

  • 方法一:经过两次移动,零移动到末尾,输出为 [1, 3, 12, 0, 0]
  • 方法二:同样经过两次移动,零移动到末尾,输出为 [1, 3, 12, 0, 0]

这两种方法都能高效地解决问题,且在操作次数上表现优异。

转载地址:http://woml.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>