Python模块练习2(dict)

1.假设存在一个服务器故障报告的集合 fault_reports = {('server1', 'power failure'), ('server2', 'hard disk error'), ('server1', 'network issue')}。创建一个字典,统计每个服务器出现故障的次数


fault_reports = {('server1', 'power failure'),('server2', 'hard disk error'),('server1', 'network issue')}
#创建字典
fault_dict={}
count=0
for server,fault in fault_reports:#判断服务器是否在字典中if server not in fault_dict:fault_dict[server]=0else:fault_dict[server]+=1
print(fault_dict)

2.假设有一个服务器的配置信息字典 server_configs = {'server1': {'cpu': 'Intel i7', 'ram': '16GB', 'storage': '1TB'}, 'server2': {'cpu': 'AMD Ryzen 9', 'ram': '32GB', 'storage': '2TB'}}。创建一个新的字典,其中键是服务器名称,值是服务器的总存储容量(以 GB 为单位)


server_configs = {'server1': {'cpu': 'Intel i7', 'ram': '16GB', 'storage': '1TB'},'server2': {'cpu': 'AMDRyzen 9', 'ram': '32GB', 'storage': '2TB'}}new_server_information={}for server ,config in server_configs.items():storage_GB=int(config['storage'][:-2])*1024new_server_information[server]=storage_GBprint(new_server_information)

3.给定一个网络流量数据的列表 traffic_data = [('morning', [100, 200, 150]), ('afternoon', [300, 400, 350]), ('evening', [250, 300, 280])]。将其转换为一个字典,键是时间段,值是该时间段的平均流量。


traffic_data = [('morning', [100, 200, 150]),('afternoon', [300, 400, 350]),('evening', [250, 300, 280])]traffic_dict={}for time , traffic in traffic_data:
#计算平均流量average_traffic_day=sum(traffic)/len(traffic)traffic_dict[time]=average_traffic_dayprint(traffic_dict)

4.给定一个网络设备及其端口的字典 device_ports = {'router1': [80, 443, 22], 'switch1': [1000, 2000, 3000]}。创建一个新的字典,键是设备名称,值是端口的总和。


device_ports = {'router1': [80, 443, 22],'switch1': [1000, 2000, 3000]}device_dict={}for device,ports in device_ports.items():
#求端口总和total_ports=sum(ports)
#将计算好的端口总和添加到字典中device_dict[device]=sum_portsprint(device_dict)

5.有一个服务可用性的列表 service_availabilities = [('service1', [True, False, True]), ('service2', [False, True, True])]。计算每个服务的可用率(可用次数除以总次数),并将结果存储在一个新的字典中。


service_availabilities = [('service1', [True, False, True]),('service2', [False, True, True])]
serve_ava={}for service,available in service_availabilities:count=0
#如果服务可用,就计算其数量for ch in available:if ch:count+=1available_rate=count/len(available)serve_ava[service]=available_rateprint(serve_ava)

6.已知一个子网及其可用 IP 地址的元组列表 subnet_ips = [('192.168.1.0/24', ['192.168.1.10', '192.168.1.20', '192.168.1.30']), ('10.0.0.0/16', ['10.0.0.50', '10.0.1.100'])]。创建一个新的字典,键是子网,值是可用 IP 地址的数量。


subnet_ips = [('192.168.1.0/24', ['192.168.1.10', '192.168.1.20', '192.168.1.30']),('10.0.0.0/16', ['10.0.0.50', '10.0.1.100'])]net_dict={}for subnet,count in subnet_ips:net_dict[subnet]=len(count)print(net_dict)

7.给定一个网站访问来源的集合 visit_sources = {('www.example1.com', 'Google'), ('www.example2.com', 'Bing'), ('www.example1.com', 'Facebook')}。创建一个字典,统计每个网站的不同访问来源数量。


isit_sources = {('www.example1.com', 'Google'),('www.example2.com', 'Bing'),('www.example1.com', 'Facebook')}visit_count={}for web,source in isit_sources:if web not in visit_count:visit_count[web]=1else:visit_count[web]+=1print(visit_count)

8.假设存在一个服务器及其连接设备的元组列表 server_devices = [('server1', ['device1', 'device2']), ('server2', ['device3', 'device4'])]。创建一个字典,键是服务器名称,值是连接设备的数量。


server_devices = [('server1', ['device1', 'device2']),('server2', ['device3', 'device4'])]
device_dict={}for server,device in server_devices:count_device=len(device)device_dict[server]=count_deviceprint(device_dict)

9.有一个服务端口及其安全等级的字典 port_security = {80: 'low', 443: 'medium', 22: 'high'}。创建一个新的字典,键是安全等级,值是对应的端口列表。


port_security = {80: 'low', 443: 'medium', 22: 'high'}security_port={}for port, security in port_security.items():security_port[security]=portprint(security_port)

10.假设存在一个服务器及其运行服务的元组列表 server_services = [('server1', ['web', 'db', 'mail']), ('server2', ['file', 'print'])]。创建一个字典,键是服务名称,值是运行该服务的服务器列表。


server_services = [('server1', ['web', 'db', 'mail']),('server2', ['file', 'print'])]services_server={}for server services in server_services:for service in services:services_server[service]=serverprint(services_server)

11.给定一个用户流量使用情况的字典 user_traffics = {'user1': {'upload': 500, 'download': 1000}, 'user2': {'upload': 300, 'download': 800}}。找出上传和下载流量总和超过 1000 的用户。


user_traffics = {'user1': {'upload': 500, 'download': 1000},'user2': {'upload': 300, 'download': 800}}
result={}for user, traffic in user_traffics.items():total_traffic=traffic['upload'] + traffic['download']if total_traffic >1000 :result[user] = total_trafficprint(result)

12.有一个网站访问日志的集合 visit_logs = {('www.example1.com', '2023-09-01 10:00'), ('www.example2.com', '2023-09-01 11:00'), ('www.example1.com', '2023-09-01 12:00')}。创建一个字典,统计每个网站的访问次数。


visit_logs = {('www.example1.com', '2023-09-01 10:00'),('www.example2.com', '2023-09-01 11:00'),('www.example1.com', '2023-09-01 12:00')}count_visit={}for website,time in visit_logs:if website not in count_visit:count_visit[website]=1else:count_visit[website]+=1print(count_visit)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/13196.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

机器学习基础02_特征工程

目录 一、概念 二、API 三、DictVectorize字典列表特征提取 四、CountVectorize文本特征提取 五、TF-IDF文本1特征词的重要程度特征提取 六、无量纲化预处理 1、MinMaxScaler 归一化 2、StandardScaler 标准化 七、特征降维 1、特征选择 VarianceThreshold 底方差…

得物App入选诚信案例,10万正品样品库夯实高品质消费

近日,以“加强企业诚信建设 赋能经济社会发展”为主题的“2024年全国企业诚信建设大会”在烟台市召开。此次大会由中国企业联合会、中国企业家协会主办,山东省企业联合会、山东省企业家协会、烟台市企业联合会、烟台大学承办。大会期间,得物A…

036 RabbitMQ消息确认 死信队列 延时队列

文章目录 生产者确认模式application.propertiesMessageController.javaMessageConfirmRallback.java 生产者回退模式application.propertiesMessageConfirmRallback.javaMessageController.java 消费者手动确认application.propertiesConsumerAckQueueListener.java 死信队列延…

docker desktop运行rabittmq容器,控制台无法访问

docker desktop运行rabittmq容器,控制台无法访问 启动过程:…此处缺略,网上一大堆 原因 原因是在Docker上运行的RabbitMQ,默认情况下是没有启用管理插件和管理页面的 解决办法 使用命令 docker exec -it 容器id /bin/bash 进…

Tailwind 安装使用

Tailwind 安装使用 前言 CSS原子化——本文将详细介绍如何在Vue Vite npm环境下安装、配置并使用Tailwind CSS! 文章目录 Tailwind 安装使用前言一、Tailwind 在 Vue Vite 项目中的安装1. 创建Vue项目2. 安装Tailwind CSS3. 初始化Tailwind配置4. 修改文件 tai…

centos7安装playwright踩坑记录

Python版本安装 Installation | Playwright Python 1. 安装pytest-playwright pip3 install pytest-playwright报错:提示找不到pytest-playwright 原因:服务器Python版本3.6.8太低,貌似pytest-playwright最低支持3.7 解决方法&#xff1…

函数(C语言)

1:函数的概念 函数的概念我们在初中的时候就已经听过了。 在C语言中也引入了函数,也可以叫子程序 C语言中的函数就是一个完成某项特定的任务的一小段代码 这段代码是有特殊的写法和调用方法的。其实C语言的程序也是由无数个小的函数组成的。 也就是&…

VMWare安装包及安装过程

虚拟机基本使用 检查自己是否开启虚拟化 如果虚拟化没有开启,需要自行开启:百度加上自己电脑的品牌型号,进入BIOS界面开启 什么是虚拟机 所谓的虚拟机,就是在当前计算机系统中,又开启了一个虚拟系统 这个虚拟系统&…

基于SVD奇异值分解的图像压缩算法(Python实现)

前言 SVD其实和PCA类似,就是丢入一个特征矩阵 X ,输出另外一个特征矩阵 X′ , X′ 的维度要比原来的X 要低。并且里面的变量都是原来的变量的线性组合,所以含义也变得不好解释。 简单来说就是数据压缩,特征降维的一种技术&#…

国产AI图片工具,全部免费亲测实用!

近AI生图功能火出圈了,各家大厂都拿出了看家本领,今天就来聊聊即梦AI、通义万相、奇域AI和腾讯元宝的AI生图功能,看看它们各有什么特色吧! 一、Dreamina 字节旗下的AI智能平台,简单实用的图片生成,对中国元…

C++ 二叉搜索树

二叉搜索树的概念 二叉搜索树又称二叉排序树,它或者是一棵空树,或者是具有以下性质的二叉树: 若它的左子树不为空,则左子树上所有节点的值都小于根节点的值 若它的右子树不为空,则右子树上所有节点的值都大于根节点的值 它的左右…

推荐一款3D建模软件:Agisoft Metashape Pro

Agisoft Metashape Pro是一款强大的多视点三维建模设计辅助软件,Agisoft Metashape是一款独立的软件产品,可对数字图像进行摄影测量处理,并生成3D空间数据,用于GIS应用,文化遗产文档和视觉效果制作,以及间接…

IntelliJ+SpringBoot项目实战(四)--快速上手数据库开发

对于新手学习SpringBoot开发,可能最急迫的事情就是尽快掌握数据库的开发。目前数据库开发主要流行使用Mybatis和Mybatis Plus,不过这2个框架对于新手而言需要一定的时间掌握,如果快速上手数据库开发,可以先按照本文介绍的方式使用JdbcTemplat…

Linux高阶——1110—线程安全问题解决方法

1、同步、异步、阻塞、非阻塞 同步过程:发起调用,调用者需要等待被调用者的结果 异步过程:发起调用,无需等待被调用的结果,当有结果后,此结果传出,无需主动获取 阻塞和非阻塞:发起…

STM32cubemx+Proteus仿真和keil5联合调试

前面两步 STM32cubemx生成代码 https://blog.csdn.net/weixin_52733843/article/details/143637304 Proteus新建工程 https://blog.csdn.net/weixin_52733843/article/details/143578853 1 *Proteus仿真联合调试* 在Proteus中,双击STM32F103C6芯片&#xff0c…

初识算法 · 位运算常见总结(1)

目录 前言: 位运算基本总结 部分题目代码 前言: ​本文的主题是位运算,通过常见的知识点讲解,并且会附上5道简单的题目,5道题目的链接分别为:191. 位1的个数 - 力扣(LeetCode) 1…

visualvm远程连接Docker容器中部署的java应用并监控

visualvm远程连接Docker容器中部署的java应用 前言 jdk1.8中自带了,java11中需要单独下载 下载地址 visualvm下载地址 简介 java虚拟机监控,故障排查及性能分析工具。 网络配置 局域网与docker内网打通,请参考:办公网络与Docker内…

NVIDIA RTX 系统上使用 llama.cpp 加速 LLM

NVIDIA RTX 系统上使用 llama.cpp 加速 LLM 文章目录 NVIDIA RTX 系统上使用 llama.cpp 加速 LLMllama.cpp 概述llama.cpp 在 NVIDIA RTX 上的加速性能使用 llama.cpp 构建的开发人员生态系统使用 llama.cpp 在 RTX 平台上加速的应用程序开始使用 适用于 Windows PC 的 NVIDIA …

信息收集系列(二):ASN分析及域名收集

内容预览 ≧∀≦ゞ 信息收集系列(二):ASN分析及域名收集前言一、ASN 分析1. 获取 ASN 码2. 使用 ASNMap 获取 IP 范围3. 将 IP 范围转化为 IP 列表 二、关联域名收集1. 顶级域(TLD)收集测试方法 2. 根域名收集常用方法…

揭秘:b站可以通过弹幕查询到发送者吗?答案是:不可行

查找发送者 发弹幕被找到 最近,我的一个好兄弟遇到了这样一个问题:他在b站发弹幕,结果被人找到了。他对此很困惑:“发送弹幕不是匿名的吗?只有评论才能看到用户名啊,难道发弹幕也可以被找到吗&#xff1f…