Python基础:数据结构-列表、元组、字典、集合
liuian 2025-03-06 16:48 8 浏览
在Python中,数据结构是组织和存储数据的重要方式。理解并灵活使用不同的数据结构,可以大大提高代码的效率与可读性。Python提供了多种内置数据结构,其中最常见的包括列表(List)、元组(Tuple)、字典(Dictionary)和集合(Set)。每种数据结构都有其独特的特性和使用场景,下面我们将逐一详细介绍。
1.列表(List)
列表是Python中最常用的可变数据结构之一,它是一个有序的元素集合,能够保存不同类型的数据。列表的最大特点是可变性,即你可以对列表中的元素进行添加、删除和修改操作。
创建列表
列表使用方括号 [] 来定义,元素之间用逗号分隔。你可以在列表中存储不同类型的元素,包括整数、浮点数、字符串等。
示例:
# 创建列表
fruits = ["apple", "banana", "cherry"]
访问列表中的元素
可以通过索引来访问列表中的元素。Python中的索引是从0开始的。
示例:
print(fruits[0]) # 输出 "apple"
修改列表中的元素
由于列表是可变的,你可以通过索引直接修改其中的元素。
示例:
fruits[1] = "blueberry" # 修改第二个元素
print(fruits) # 输出 ["apple", "blueberry", "cherry"]
向列表添加元素
使用 append() 方法可以在列表的末尾添加元素,insert() 方法可以在指定位置插入元素。
示例:
fruits.append("orange") # 在末尾添加一个元素
print(fruits) # 输出 ["apple", "blueberry", "cherry", "orange"]
删除列表中的元素
使用 remove() 方法可以删除指定的元素,使用 pop() 方法可以删除并返回指定位置的元素。
示例:
fruits.remove("cherry") # 删除指定元素
print(fruits) # 输出 ["apple", "blueberry", "orange"]
popped_fruit = fruits.pop(1) # 删除并返回第二个元素
print(popped_fruit) # 输出 "blueberry"
遍历列表
你可以使用 for 循环遍历列表中的每一个元素。
示例:
for fruit in fruits:
print(fruit)
总结:
列表是Python中非常强大的数据结构,适用于需要存储和操作一组有序数据的场景。例如,在处理用户输入的多个数据或对同一类型的对象进行排序和筛选时,列表非常有用。
2.元组(Tuple)
元组是Python中另一种非常重要的序列数据结构。与列表不同,元组是不可变的,一旦创建,就无法修改其中的元素。元组的不可变性使得它在需要存储不变数据或保证数据安全时非常有用。
创建元组
元组使用圆括号 () 来定义,元素之间用逗号分隔。元组可以包含多个不同类型的元素。
示例:
coordinates = (10, 20)
访问元组中的元素
你可以通过索引来访问元组中的元素,和列表一样,索引从0开始。
示例:
print(coordinates[0]) # 输出 10
元组的不可变性
一旦元组被创建,你就不能修改其内容,包括添加、删除或修改其中的元素。如果尝试修改元组中的元素,会抛出错误。
示例:
coordinates[0] = 15 # 会抛出 TypeError: 'tuple' object does not support item assignment
元组的使用场景
由于元组是不可变的,它们非常适合用于存储不可变的、需要保护的数据,或者作为字典的键。它们也比列表占用更少的内存,因此在存储大数据时,如果数据不需要修改,使用元组更具效率。
总结:
元组适用于存储需要保护或不允许修改的数据,特别是在需要确保数据完整性的场景中,它提供了比列表更加稳定和安全的选择。
3.字典(Dictionary)
字典是Python中用于存储键值对的无序集合。它通过键(key)来存取对应的值(value)。字典非常适合存储具有映射关系的数据,例如存储用户的个人信息、产品的详细数据等。
创建字典
字典使用大括号 {} 来定义,键值对之间用冒号 : 分隔,每对键值之间用逗号 , 分隔。
示例:
person = {"name": "Alice", "age": 25}
访问字典中的值
你可以通过键来访问字典中的值。
示例:
print(person["name"]) # 输出 "Alice"
修改字典中的值
字典的值是可变的,可以通过键来修改值。
示例:
person["age"] = 26 # 修改 age 的值
print(person) # 输出 {"name": "Alice", "age": 26}
向字典添加新键值对
你可以通过指定一个新键来添加新的键值对。
示例:
person["height"] = 5.6 # 添加新的键值对
print(person) # 输出 {"name": "Alice", "age": 26, "height": 5.6}
删除字典中的键值对
使用 del 关键字可以删除指定的键值对。
示例:
del person["age"] # 删除 "age" 键值对
print(person) # 输出 {"name": "Alice", "height": 5.6}
遍历字典
你可以使用 items() 方法遍历字典中的所有键值对。
示例:
for key, value in person.items():
print(key, ":", value)
总结:
字典是一种非常强大的数据结构,适用于存储具有映射关系的数据。例如,在处理用户信息、配置文件、以及其他需要通过唯一键快速查找数据的场景中,字典非常有用。
4.集合(Set)
集合是一个无序的、不重复的元素集合。集合的特点是没有重复元素,它是用来测试成员关系、去除重复数据的非常方便的工具。
创建集合
集合使用大括号 {} 来定义,但不同于字典,集合中只有值,没有键。
示例:
numbers = {1, 2, 3, 4, 5}
向集合添加元素
可以使用 add() 方法向集合中添加元素,注意集合中的元素是唯一的。
示例:
numbers.add(6) # 添加一个新元素
print(numbers) # 输出 {1, 2, 3, 4, 5, 6}
删除集合中的元素
可以使用 remove() 方法删除指定元素,如果元素不存在会抛出 KeyError 错误。
示例:
numbers.remove(3) # 删除元素3
print(numbers) # 输出 {1, 2, 4, 5, 6}
遍历集合
集合是无序的,因此遍历集合时元素的顺序是不确定的。
示例:
for num in numbers:
print(num)
总结:
集合在去重操作中非常有用,特别是在处理大量数据时,如果需要快速去除重复元素,集合提供了非常简洁的解决方案。
总结
Python的列表、元组、字典和集合是四种基础的数据结构,它们各自具有不同的特点和应用场景。
- 列表:适用于存储有序的数据,支持增、删、改、查等操作。
- 元组:适用于存储不可变的数据,通常用于保证数据的完整性。
- 字典:适用于存储键值对映射,具有快速查找功能。
- 集合:适用于去重操作和成员关系测试,尤其是在需要消除重复元素时非常有效。
掌握这些数据结构将为你编写高效、简洁的Python代码奠定坚实的基础。
- 上一篇:JUC并发—8.并发安全集合一
- 下一篇:4.python学习笔记-集合
相关推荐
- 【常识】如何优化Windows 7
-
优化Windows7可以让这个经典系统运行更流畅,特别是在老旧硬件上。以下是经过整理的实用优化方案,分为基础优化和进阶优化两部分:一、基础优化(适合所有用户)1.关闭不必要的视觉效果右键计算机...
- 系统优化!Windows 11/10 必做的十个优化配置
-
以下是为Windows10/11用户整理的10个必做优化配置,涵盖性能提升、隐私保护和系统精简等方面,操作安全且无需第三方工具:1.禁用不必要的开机启动项操作路径:`Ctrl+S...
- 最好用音频剪辑的软件,使用方法?
-
QVE音频剪辑是一款简单实用的软件,功能丰富,可编辑全格式音频。支持音频转换、合并、淡入淡出、变速、音量调节等,无时长限制,用户可自由剪辑。剪辑后文件音质无损,支持多格式转换,便于存储与跨设备播放,满...
- Vue2 开发总踩坑?这 8 个实战技巧让代码秒变丝滑
-
前端开发的小伙伴们,在和Vue2打交道的日子里,是不是总被各种奇奇怪怪的问题搞得头大?数据不响应、组件传值混乱、页面加载慢……别慌!今天带来8个超实用的Vue2实战技巧,每一个都能直击痛...
- Motion for Vue:为Vue量身定制的强大动画库
-
在前端开发中,动画效果是提升用户体验的重要手段。Vue生态系统中虽然有许多动画库,但真正能做到高性能、易用且功能丰富的并不多。今天,我们要介绍的是MotionforVue(motion-v),...
- CSS view():JavaScript 滚动动画的终结
-
前言CSSview()方法可能会标志着JavaScript在制作滚动动画方面的衰落。如何用5行CSS代码取代50多行繁琐的JavaScript,彻底改变网页动画每次和UI/U...
- 「大数据」 hive入门
-
前言最近会介入数据中台项目,所以会推出一系列的跟大数据相关的组件博客与文档。Hive这个大数据组件自从Hadoop诞生之日起,便作为Hadoop生态体系(HDFS、MR/YARN、HIVE、HBASE...
- 青铜时代的终结:对奖牌架构的反思
-
作者|AdamBellemare译者|王强策划|Tina要点运维和分析用例无法可靠地访问相关、完整和可信赖的数据。需要一种新的数据处理方法。虽然多跳架构已经存在了几十年,并且可以对...
- 解析IBM SQL-on-Hadoop的优化思路
-
对于BigSQL的优化,您需要注意以下六个方面:1.平衡的物理设计在进行集群的物理设计需要考虑数据节点的配置要一致,避免某个数据节点性能短板而影响整体性能。而对于管理节点,它虽然不保存业务数据,但作...
- 交易型数据湖 - Apache Iceberg、Apache Hudi和Delta Lake的比较
-
图片由作者提供简介构建数据湖最重要的决定之一是选择数据的存储格式,因为它可以大大影响系统的性能、可用性和兼容性。通过仔细考虑数据存储的格式,我们可以增强数据湖的功能和性能。有几种不同的选择,每一种都有...
- 深入解析全新 AWS S3 Tables:重塑数据湖仓架构
-
在AWSre:Invent2024大会中,AWS发布了AmazonS3Tables:一项专为可扩展存储和管理结构化数据而设计的解决方案,基于ApacheIceberg开放表格...
- Apache DataFusion查询引擎简介
-
简介DataFusion是一个查询引擎,其本身不具备存储数据的能力。正因为不依赖底层存储的格式,使其成为了一个灵活可扩展的查询引擎。它原生支持了查询CSV,Parquet,Avro,Json等存储格式...
- 大数据Hadoop之——Flink Table API 和 SQL(单机Kafka)
-
一、TableAPI和FlinkSQL是什么TableAPI和SQL集成在同一套API中。这套API的核心概念是Table,用作查询的输入和输出,这套API都是批处理和...
- 比较前 3 名Schema管理工具
-
关注留言点赞,带你了解最流行的软件开发知识与最新科技行业趋势。在本文中,读者将了解三种顶级schema管理工具,如AWSGlue、ConfluentSchemaRegistry和Memph...
- 大数据技术之Flume
-
第1章概述1.1Flume定义Flume是Cloudera提供的一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统。Flume基于流式架构,灵活简单。1.2Flume的优点1.可以和...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)