Python 常见数据结构包括元组、列表、字典和集合。元组不可变适合存储固定数据；列表可变支持频繁修改；字典基于键值对实现快速查找；集合用于去重和运算。文章详细介绍了各结构的创建、访问、修改方法及性能特点，帮助开发者根据场景选择合适的数据结构以提升代码效率。
元组是 Python 中一种不可变的数据结构，以元组为数据结构存储的数据内容较为稳定，不会轻易发生变动。因此，元组适合存储结果等数据内容。总而言之，元组一经创建便不会改变，改变的主要方式是在原元组的形式上创建新的元组。
函数、实例化类、调用实例化类中的方法都是使用 ()，我称之为函数的元组调用格式。
tuple(list)tuple(for i in old_tuple)，这种复制方式内容前后为两个内存地址。（在 Python 中 用来判断两个变量的内容是否相同， 用来判断两个变量是否来自于相同的内存地址）==is(element,)tuple(list) or list(tuple)tuple(set) or set(tuple)tuple[0]tuple[0:2]由于元组是不可变对象，因此改变数组的方式是创建新的元组，而新元组继承了老元组的部分内容然后添加了一些内容。例如：
new_tuple = old_tuple[0:2] + (3,) + old_tuple[3:]
[(index, value)] 的可迭代对象（查看数据的格式，通过 type()），想要转换成 list 的话，会需要 list(enumerate(list))[(index1, value1), (index2, value2)….] 的可迭对象，这种对象不是某一种数据结构而是一种迭代器结构。list(iteration) 会将该迭代对象转换为嵌套元组的 list[(index1, value1), (index2, value2)…..]，zip 函数配合 dict() 可将 list 转换为一个字典可迭代对象和 range 之间的关系与区别。插入迭代器和生成器的知识，用来解释上述的 enumerate、zip、.items() 等函数。
首先是常见的可迭代对象：list、set、dict、tuple、字符串、range。这些可迭代对象转换为迭代器的方式为 iter(list or set or dict or tuple)。之后每调用一次 next 便会访问一个迭代器中的数值。
yield 为关键词组成的生成器，其为特殊的迭代器。特殊的地方在于该迭代器访问的不是一个元素而是以 yield 为标志截断的代码行。较为普遍的迭代器为 [element1, element2, element3….]，生成器为 [yield 之后的代码+yield 之前的代码，yield 之后的代码+yield 之前的代码，yield 之后的代码+yield 之前的代码]。
另外 for 循环的逻辑就是调用 iter() 生成迭代器，然后不断地调动 next，直到出现 StopIterationError。
在 Python 程序中，列表通常作为存储、访问数据的容器。无论是简单的数据结构还是复杂的数据结构，在访问数据时通常会用到 []，我称之为 list 访问方式。list 与上述的 tuple 相反，它是一种可变的数据结构。
字符串可以分解成列表，列表中的字符串可以拼接成字符串。使用 ".join()" 的方法。
当列表中都是元素的时候，元素的数据类型存在两种情况：
存在上述两种情况时，统一列表中元素数据类型的操作是：
float_list = [float(i) for i in old_list]
int_list = [int(i) for i in old_list]
str_list = [str(i) for i in old_list]
# 较为高级的方式 transform_list = list(map(function, old_list))
其中 map 返回的是一个迭代器，可以使用 list 或 next 进行访问，map 里面的参数 function 是一个函数名，既可以是一个自定义的，又可以是一个底层的函数例如 str、int、float 或者是一个匿名函数 lambda x: x**2。
当列表中的元素是元组、字典、集合等可迭代对象的时候，对于访问会存在一些难度。当然这种数据结构的混合其实就是 dataframe、numpy 中的数组。Dataframe 的结构是 {column1: {index1: value1, index2: value2}}。Numpy 中的数组结构是 [[][][]] 当然 numpy 中的数组结构对于每一个子列表的形状大小有要求。
# 第一种：固定值列表
list1 = [0 for _ in range(0)]
# 第二种：基于函数的列表
list1 = [lambda x: 2 * x for x in list0]
# 生成满足正态分布和二项分布一定形状的列表
normal_list = [random.gauss(mu, sigma) for _ in range(size)]
binomial_list = [random.binomialvariate(n, p) for _ in range(size)]
| 元素 | Element1 | Element3 | Element5 | Element7 |
|---|---|---|---|---|
| 顺索引 | 0 | 1 | 2 | 3 |
| 逆索引 | -4 | -3 | -2 | -1 |
| 顺切片 | 0 | 1 | 2 | 3 |
| 逆切片 | -5 | -4 | -3 | -2 |
从原列表删除特定的值：在删除这些特定值之前，需要收集这些值的在原列表对应的索引。
index_value_dict = list(enumerate(old_list))
index_list = [key for key, value in index_value_dict if value == target_value]
end_list = [old_list.pop(index) for index in index_list]
从原列表中收集特定值：
new_list = [i for i in old_list if i == target_value]
# 浅拷贝的方式
new_list = old_list.copy()
new_list = old_list[:]
# 深拷贝的方式
import copy
new_list = copy.deepcopy(old_list)
del list[index or index1:index2]list.pop(index) 或者 list.pop() 默认删除 list 里面的最后一个值list.remove(value) 默认情况下会删除 list 中的第一个 value 值具体的应用场景：对于'删除列表中满足条件值'的问题，由于调用 del、pop、remove 都是一个元素一个元素的删除，但是删除一个元素之后，整个列表的值和索引又会发生改变。
pop 或者 del，删除的过程需要对索引列表进行排序，sorted(index_list) 以此来避免删除对于列表发生变化的影响list(enumerate(target_list))。然后 for 循环保留正确的 index添加元素：添加元素的方式可以分为四种。
list.append()：默认末尾添加元素，append 方式可以添加各种格式的元素，既可以是列表，也可以是 elementlist.extend()：末尾添加很多元素list.insert(index, value)：在指定位置插入元素生成等差或者等比数列：
# 等差数列
list = [i for i in range(start, end, step)]
# 等比数列
list = [lambda x: source**x for x in range(times)]
生成全零或者全一的列表：
ones_list = [1 for _ in range(times)]
生成一定满足某一个分布的列表：
normal_list = [random.normal(mu, sigma) for _ in range(times)]
常见的数乘列表表示列表中元素的数次复制，数加列表会出现 TypeError: unsupported operand type。
sort，另一种排序是在原列表中排序并进行复制 sortedset = set(list)，通过 list 计算每一个 value 的 count 的方式是 list.count(value)list[index] = new_value
字典有 key 和 value 两项构成，key 的格式必须是不可变对象也就是不可哈希对象，key 的值可以是整数、浮点数、字符串、元组（元组内不存在列表这种不可哈希对象），value 可以是任何格式的值可以是字典、列表、集合、数组等等。在添加元素的时候，如果新添加的元素与老元素的名字重合，则新添加的元素取代老元素。
{}dict()dict[key] = value
如果 key 值在字典中已经存在，则会使 value 值覆盖原有的 value 值。如果 key 值在字典中没有存在，则会向字典中添加 key-value 对。
通过指定 key 值删除 key-value 对的方式主要有：
del dict['key']dict.pop('key')另一个是根据 key-value 对的 index 值，进行删除。这个可能需要一个 for 循环即可解决。具体的解决方式如下：
k = 0
for key, _ in dict.items():
if k == index:
del dict[key]
else:
k += 1
dict.keys()dict.values()dict.items()字典的键不含有重复值，每一个键都是唯一的。如果进行反转，可能会出现值存在重复值和不存在重复值两种情况。
对于不存在重复值这种情况，反转的方式主要有以下两种：
# 方式 1
new_dict = {value: key for key, value in dict.items()}
# 方式 2
new_dict = dict(zip(old_dict.values(), old_dict.keys()))
对于存在重复值的情况，需要将重复的 value 值对应的 key 收集进列表当中：
new_dict = {}
for key, value in dict.items():
if value in new_dict:
if isinstance(new_dict[value], list):
new_dict[value].append(key)
else:
new_dict[value] = [new_dict[value], key]
else:
new_dict[value] = key
谈起集合，首先想到的便是 set(list)，会得到一个唯一值的集合。对这个集合的操作有 |（并集）&（交集）。
# 创建集合
set1 = {1, 2, 3}
set2 = set([3, 4, 5])
# 并集
union_set = set1 | set2
# 交集
intersection_set = set1 & set2
# 差集
difference_set = set1 - set2
# 对称差集
symmetric_difference_set = set1 ^ set2
# 添加元素
set1.add(4)
# 删除元素
set1.remove(2)
# 随机删除元素
set1.pop()
# 清空集合
set1.clear()
# 判断元素是否在集合中
if 1 in set1:
print("1 is in set1")
| 数据结构 | 特点 | 适用场景 |
|---|---|---|
| 列表 | 有序、可变、允许重复元素 | 存储有序数据、需要频繁修改的数据 |
| 元组 | 有序、不可变、允许重复元素 | 存储固定数据、函数返回多个值 |
| 字典 | 无序、键值对、键唯一 | 存储映射关系、快速查找数据 |
| 集合 | 无序、可变、不允许重复元素 | 去重、集合运算 |
| 操作 | 列表 | 字典 | 集合 |
|---|---|---|---|
| 访问元素 | O(1) | O(1) | O(1) |
| 查找元素 | O(n) | O(1) | O(1) |
| 插入元素 | O(1) 或 O(n) | O(1) | O(1) |
| 删除元素 | O(1) 或 O(n) | O(1) | O(1) |
Python 提供了丰富的数据结构，每种数据结构都有其特点和适用场景。掌握这些数据结构的使用方法和性能特点，对于编写高效、优雅的 Python 代码至关重要。
在实际编程中，需要根据任务的需求选择合适的数据结构：
同时，还需要注意数据结构的性能特点，避免在性能敏感的场景中使用不合适的数据结构。例如，在需要频繁查找元素的场景中，使用字典或集合比使用列表更高效。
通过本文的介绍，相信你对 Python 中的常见数据结构有了更深入的了解。在实际编程中，需要根据任务的需求选择合适的数据结构，以提高代码的效率和可读性。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online