Python中连接运算符在元组上的作用机制？

---

元组是Python对象的一个集合，这些对象由逗号分隔，是有序且不可变的。元组与列表一样都是序列。元组和列表的区别在于，元组与列表不同，元组无法更改，元组使用括号，而列表使用方括号。

tup=('tutorials', 'point', 2022,True)
print(tup)

如果您执行上面的代码片段，将会产生以下输出：

('tutorials', 'point', 2022, True)

在这篇文章中，我们将了解Python中连接运算符在元组上的作用机制。

元组的连接操作

Python中元组的连接是指将两个或多个元组连接成单个元组。有多种方法可以执行两个元组的连接。下面将讨论其中的两种方法。

• 使用“+”运算符。
• 使用sum()函数。

使用“+”运算符

当需要连接多个元组时，可以使用“+”运算符。元组是一种不可变的数据类型。这意味着一旦定义了值，就无法通过访问其索引元素来更改它。如果尝试更改元素，我们会得到一个错误。它们之所以重要，是因为它们保证了只读访问。

“+”运算符可以用于连接文本或添加数值。

示例

下面的示例演示了使用“+”运算符连接元组。

tuple_1 = (11, 14, 0, 78, 33, 11)
tuple_2 = (10, 78, 0, 56, 8, 34)
print("The first tuple is : ")
print(tuple_1)
print("The second tuple is : ")
print(tuple_2)
result = tuple_1 + tuple_2
print("The tuple after concatenation is : " )
print(result)

输出

上述代码的输出如下：

The first tuple is : 
(11, 14, 0, 78, 33, 11)
The second tuple is : 
(10, 78, 0, 56, 8, 34)
The tuple after concatenation is : 
(11, 14, 0, 78, 33, 11, 10, 78, 0, 56, 8, 34)

使用sum()函数。

还有另一种解决此问题的方法，我们使用sum()函数连接元组。sum()函数将两个元组作为参数，并返回一个单个元组，该元组是两个元组的连接。

示例

在下面的示例代码中，我们使用sum()函数连接两个元组。

tuple_1 = (11, 14, 0, 78, 33, 11)
tuple_2 = (10, 78, 0, 56, 8, 34)
print("The first tuple is : ")
print(tuple_1)
print("The second tuple is : ")
print(tuple_2)
result = sum((tuple_1, tuple_2), ())
print("The tuple after concatenation is : " )
print(result)

输出

上述代码产生以下输出。

The first tuple is : 
(11, 14, 0, 78, 33, 11)
The second tuple is : 
(10, 78, 0, 56, 8, 34)
The tuple after concatenation is : 
(11, 14, 0, 78, 33, 11, 10, 78, 0, 56, 8, 34)

使用list()和extend()方法

Python中List的extends()方法用于添加两个列表。要使用这些方法连接两个元组：

• 使用list()方法将元组转换为列表。
• 使用extend()方法添加这两个列表。

示例

以下是一个使用list()和extend()方法连接两个数组的示例：

tuple1 = ('JavaFX', 'OpenCV','CoffeeScript')
tuple2 = ('Hadoop', 'Spark')

print("Contents of tuple1 : " + str(tuple1))
print("Contents of tuple2 : " + str(tuple2))

list1=list(tuple1)
list1.extend(tuple2)
print("Result : " + str(list1))

输出

Contents of tuple1 : ('JavaFX', 'OpenCV', 'CoffeeScript')
Contents of tuple2 : ('Hadoop', 'Spark')Result : ['JavaFX', 'OpenCV', 'CoffeeScript', 'Hadoop', 'Spark']