~是python中的逐位补码操作符，本质上是计算-x - 1

所以一个表是这样的

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

所以当i = 0时，它会比较s[0]和s[len(s) - 1]，当i = 1时，s[1]和s[len(s) - 2]。

至于你的另一个问题，这可能对一系列位黑客有用。

应该注意，在数组索引的情况下，array[~i]等于reversed_array[i]。它可以被视为从数组末尾开始的索引:

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

这是次要的用法是波浪…

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]

上面的代码来自“Hands On Machine Learning”

您可以使用波浪号(~符号)作为-符号索引标记的替代

就像你用- - is表示整数索引一样

ex)

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

是一样的吗

打印(数组(~ 1))

我在解决leetcode问题时遇到了一个叫Zitao Wang的用户给出的漂亮的解决方案。

问题是这样的，对于给定数组中的每个元素，在O(n)时间内找到所有剩余数字的乘积而不使用除法

标准解决方案是:

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 

他的解决方案只使用了一个for循环。他使用~动态地计算左积和右积

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

它叫做二进制一号的补体(~)

它返回一个数的二进制数的补数。它翻转比特。2的二进制是00000010。它的补数是11111101。

这是-3的二进制。结果是-3。类似地，~1的结果是-2。

~-3

输出:2

同样，-3的补是2。

除了作为位补操作符外，~还可以帮助恢复布尔值，尽管它不是常规的bool类型，而应该使用numpy.bool_。

这在，

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

反转逻辑值有时很有用，例如，下面的~操作符用于清理数据集，并返回没有NaN的列。

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()]