Pythonのチルダ演算子

Pythonのチルダ演算子の使用法は何ですか？

文字列が回文かどうかをチェックするなど、文字列またはリストの両側で何かを実行することを考えることができます。

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

他の良い使い方は？

これはCから借用した単項演算子（単一の引数を取る）であり、すべてのデータ型はバイトを解釈するための異なる方法です。これは「反転」または「補数」演算であり、入力データのすべてのビットが反転されます。

Pythonでは、整数の場合、整数の2の補数表現のビットが反転され（b <- b XOR 1各ビットの場合と同様）、結果は再び2の補数の整数として解釈されます。したがって、整数の場合~xはと同等(-x) - 1です。

~演算子の具体化された形式は、として提供されoperator.invertます。独自のクラスでこの演算子をサポートするには、__invert__(self)メソッドを指定します。

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

同じクラスのインスタンスでもあるインスタンスの「補数」または「逆数」を持つことが重要であるクラスは、反転演算子の可能な候補です。ただし、演​​算子のオーバーロードは、誤用すると混乱を招く可能性があるため__invert__、クラスにメソッドを提供する前に、そうすることが本当に意味があることを確認してください。（バイト文字列の'\xff'すべてのビットを反転することは意味がありますが、バイト文字列[ex：]はこの演算子をサポートしないことに注意してください。）

~あるビット単位の補数演算本質的計算Pythonで-x - 1

したがって、テーブルは次のようになります

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

だから、のためにi = 0、それは比較うs[0]とs[len(s) - 1]するために、i = 1、s[1]とs[len(s) - 2]。

他の質問と同様に、これはさまざまなビット単位のハッキングに役立ちます。

ビット単位の補数演算子である~だけでなく、ブール値を元に戻すのにも役立ちますが、boolここでは従来の型ではないため、を使用する必要がありますnumpy.bool_。

これについては、

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

論理値を逆にすると便利な場合があります。たとえば、以下の~演算子を使用してデータセットをクレンジングし、NaNなしの列を返します。

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()]

一つは、配列のインデックス付けの場合には、ことに注意してくださいarray[~i]になりますreversed_array[i]。これは、配列の最後から始まるインデックスと見なすことができます。

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

私がこれを実際に使用したのは、でのみnumpy/pandasです。たとえば、.isin() データフレームメソッドを使用します。

ドキュメントでは、この基本的な例を示しています

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

しかし、代わりに [0、2]にないすべての行が必要な場合はどうでしょうか。

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

私はこのリートコードの問題を解決していましたが、Zitao Wangというユーザーがこの美しい解決策に出会いました。

問題はdivisonのとでは使用せずに、残りのすべての数値の積を見つける与えられた配列の各要素のためにこのように書きO(n)時間を

標準ソリューションは次のとおりです。

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 

彼の解決策は、利用することでforループを1つだけ使用します。彼は左の製品と右の製品をその場で計算します~

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

これはマイナーな使用法ですチルドです...

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]

上記のコードは「機械学習の実践」からのものです

代わりにチルダ（〜記号）を使用します-インデックスマーカーに署名

あなたがマイナスを使うように-整数インデックス用です

例）

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

と同じです

print(array[~1])