python的列表和元组别再傻傻分不清啦


目录

什么是下标:

正数索引:正数索引从左到右,从 0 开始。

负数索引:负数索引从右到左,从 -1 开始。

切片(slice):除了单个元素,Python还支持通过切片访问序列的子集。

索引越界:如果尝试访问一个不存在的索引,Python会抛出 IndexError 异常。

总结一下子吧:

什么是列表:

列表的定义语法:

 列表有哪些特点呢?

 列表的常见操作:

访问列表元素

 修改列表元素

添加元素

删除元素

查找元素

什么是元组: 

元组的特点:​编辑

元组的常见操作:

访问元组元素:

 2. 元组的切片

3. 元组的遍历 

元组与列表有什么区别:

1. 可变性

2. 语法

3. 性能


什么是下标:

在学习之前,我们先了解一下什么是下标:

在Python中,下标索引(也称为索引)用于访问序列类型(如字符串、列表、元组等)中的单个元素。Python的索引从 0 开始,即第一个元素的索引是 0,第二个元素的索引是 1,依此类推。此外,Python还支持负数索引,从序列的末尾开始计数,-1 表示最后一个元素,-2 表示倒数第二个元素,以此类推。

正数索引:正数索引从左到右,从 0 开始。

my_list = [10, 20, 30, 40, 50] # 访问第一个元素 print(my_list[0]) # 输出: 10 # 访问第三个元素 print(my_list[2]) # 输出: 30

负数索引:负数索引从右到左,从 -1 开始。

my_list = [10, 20, 30, 40, 50] # 访问最后一个元素 print(my_list[-1]) # 输出: 50 # 访问倒数第二个元素 print(my_list[-2]) # 输出: 40

切片(slice):除了单个元素,Python还支持通过切片访问序列的子集。

切片的语法是 [start:stop:step]

  • start:起始索引(包含)。
  • stop:结束索引(不包含)。
  • 下标索引从 0 开始。
  • 负数索引从 -1 开始,表示从末尾开始计数。
  • 切片 [start:stop:step] 可以获取子序列。

索引越界会抛出 IndexError


索引是从0开始的,就先我们零基础的小白,从0到1的过程。


什么是列表:

step:步长(可选,默认为1)。

my_list = [10, 20, 30, 40, 50] # 获取索引1到3的元素(不包含索引3) print(my_list[1:3]) # 输出: [20, 30] # 获取从开始到索引3的元素 print(my_list[:3]) # 输出: [10, 20, 30] # 获取从索引2到末尾的元素 print(my_list[2:]) # 输出: [30, 40, 50] # 使用步长2 print(my_list[::2]) # 输出: [10, 30, 50] # 反转列表 print(my_list[::-1]) # 输出: [50, 40, 30, 20, 10]

索引越界:如果尝试访问一个不存在的索引,Python会抛出 IndexError 异常。

my_list = [10, 20, 30] # 尝试访问不存在的索引 print(my_list[3]) # 报错: IndexError: list index out of range

总结一下子吧:

在Python中,**列表(List)**是一种有序的、可变的序列类型,用于存储一组元素。列表用方括号 [] 定义,元素之间用逗号分隔。列表中的元素可以是任意类型(如整数、字符串、布尔值、甚至其他列表等),并且同一个列表中的元素可以是不同类型的。

列表的定义语法:

# 定义一个空列表 empty_list = [] # 定义一个包含整数的列表 numbers = [1, 2, 3, 4, 5] # 定义一个包含不同类型元素的列表 mixed_list = [1, "Hello", 3.14, True] # 定义一个嵌套列表(列表中的元素也是列表) nested_list = [[1, 2], [3, 4], [5, 6]]

 列表有哪些特点呢?

  1. 有序性:列表中的元素是有序的,每个元素都有一个固定的位置(索引),索引从 0 开始。
  2. 可变性:列表是可变的(mutable),可以动态地添加、删除或修改元素。
  3. 元素类型多样性:列表中的元素可以是任意类型,甚至可以是不同类型的混合。
  4. 支持重复元素:列表中可以包含重复的元素。 

示例代码: 

# 定义一个包含字符串的列表 fruits = ["apple", "banana", "cherry"] # 定义一个包含不同类型元素的列表 mixed_list = [42, "Python", 3.14, True] # 定义一个嵌套列表 matrix = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ] # 访问列表中的元素 print(fruits[0]) # 输出: apple print(matrix[1][2]) # 输出: 6

 列表的常见操作:

  1. 访问元素:通过索引访问列表中的元素。
  2. 修改元素:通过索引直接修改列表中的元素。
  3. 添加元素:使用 append()insert() 或 extend() 方法。
  4. 删除元素:使用 remove()pop() 或 del 语句。

遍历列表:使用 for 循环遍历列表中的元素。


接下来我们将详细介绍这些操作: 

访问列表元素

列表中的元素可以通过下标索引访问,索引从 0 开始。

 修改列表元素

列表是可变的,可以通过索引直接修改元素。

添加元素

  • append():在列表末尾添加一个元素。
  • insert():在指定位置插入一个元素。
  • remove():删除列表中第一个匹配的元素。
  • pop():删除并返回指定索引的元素(默认删除最后一个元素)。
  • index():返回指定元素的索引。

in 关键字:检查元素是否存在于列表中。

del:通过索引删除元素。

my_list = [10, 20, 30, 40, 50] # 删除值为20的元素 my_list.remove(20) # [10, 30, 40, 50] # 删除并返回最后一个元素 last_element = my_list.pop() # last_element = 50, my_list = [10, 30, 40] # 删除索引1处的元素 del my_list[1] # [10, 40]

查找元素

extend():将另一个列表的所有元素添加到当前列表末尾

my_list = [1, 2, 3] # 添加元素 my_list.append(4) # [1, 2, 3, 4] # 在索引1处插入元素 my_list.insert(1, 99) # [1, 99, 2, 3, 4] # 扩展列表 my_list.extend([5, 6]) # [1, 99, 2, 3, 4, 5, 6]

删除元素

什么是元组: 

在Python中,**元组(Tuple)**是一种有序的、不可变的序列类型,用于存储一组元素。元组用圆括号 () 定义,元素之间用逗号分隔。元组与列表类似,但元组是不可变的(immutable),这意味着一旦创建,就不能修改元组中的元素。

元组的定义语法:

# 定义一个空元组 empty_tuple = () # 定义一个包含整数的元组 numbers = (1, 2, 3, 4, 5) # 定义一个包含不同类型元素的元组 mixed_tuple = (1, "Hello", 3.14, True) # 定义一个嵌套元组(元组中的元素也是元组) nested_tuple = ((1, 2), (3, 4), (5, 6))

元组的特点:

元组的常见操作:

访问元组元素:

元组中的元素可以通过下标索引访问,索引从 0 开始

 2. 元组的切片

元组支持切片操作,可以获取子元组。

3. 元组的遍历 

可以使用 for 循环遍历元组中的每个元素。

元组与列表有什么区别:

1. 可变性

  • 列表(List):是可变的(mutable),可以动态地添加、删除或修改元素。
  • 元组(Tuple):是不可变的(immutable),一旦创建,就不能修改元组中的元素。

示例:

# 列表是可变的 my_list = [1, 2, 3] my_list[1] = 99 # 修改元素 my_list.append(4) # 添加元素 print(my_list) # 输出: [1, 99, 3, 4] # 元组是不可变的 my_tuple = (1, 2, 3) my_tuple[1] = 99 # 报错: TypeError: 'tuple' object does not support item assignment 

 

2. 语法

  • 列表:用方括号 [] 定义。
  • 元组:用圆括号 () 定义。
# 列表 my_list = [1, 2, 3] # 元组 my_tuple = (1, 2, 3)

3. 性能

  • 列表:由于列表是可变的,它的存储和操作(如添加、删除元素)会占用更多的内存和计算资源。

元组:由于元组是不可变的,它的存储和访问速度比列表更快,适合存储不需要修改的数据。

浅浅总结一下吧: 


Read more

基于Java+SSM+Django实验室排课系统(源码+LW+调试文档+讲解等)/实验室排课软件/实验室课程安排/实验室预约系统/实验室教学管理/实验室排课解决方案/实验室课程管理系统

基于Java+SSM+Django实验室排课系统(源码+LW+调试文档+讲解等)/实验室排课软件/实验室课程安排/实验室预约系统/实验室教学管理/实验室排课解决方案/实验室课程管理系统

博主介绍 💗博主介绍:✌全栈领域优质创作者,专注于Java、小程序、Python技术领域和计算机毕业项目实战✌💗 👇🏻 精彩专栏 推荐订阅👇🏻 2025-2026年最新1000个热门Java毕业设计选题大全✅ 2025-2026年最新500个热门微信小程序毕业设计选题大全✅ Java毕业设计最新1000套项目精品实战案例 微信小程序毕业设计最新500套项目精品案例 🌟文末获取源码+数据库🌟 感兴趣的可以先收藏起来,还有大家在毕设选题,项目以及论文编写等相关问题都可以给我留言咨询,希望帮助更多的人 本文项目技术选型介绍 前端:Django、Python Web框架,后端语言Python 后端:Spring+SpringMVC+Mybatis 数据库:MySQL、SQLServer 开发工具:IDEA、Eclipse、Navicat等 ✌关于毕设项目技术实现问题讲解也可以给我留言咨询!!! 详细视频演示 请联系博主获取更详细的演示视频-源码编号2607 具体实现截图 框架介绍 前端技术介绍 Django 的模板系统在程序设计中提供了灵活的页面渲

By Ne0inhk
Java 大视界 -- Java+Spark 构建企业级用户画像平台:从数据采集到标签输出全流程(437)

Java 大视界 -- Java+Spark 构建企业级用户画像平台:从数据采集到标签输出全流程(437)

Java 大视界 -- Java+Spark 构建企业级用户画像平台:从数据采集到标签输出全流程(437) * 引言: * 正文: * 一、平台架构设计(企业级核心:解耦 + 高可用) * 1.1 架构设计原则(10 余年实战沉淀) * 1.1.1 业务驱动 * 1.1.2 分层解耦 * 1.1.3 高可用无单点 * 1.1.4 可扩展适配增长 * 1.2 技术选型决策(拒绝盲目跟风,只选对的) * 1.3 全链路架构图 * 二、数据采集层:海量数据高效接入(不丢数据、不重复) * 2.

By Ne0inhk

JavaScript表格处理全攻略:从数据流转到动态可视化的技术突破

JavaScript表格处理全攻略:从数据流转到动态可视化的技术突破 【免费下载链接】sheetjs📗 SheetJS Spreadsheet Data Toolkit -- New home https://git.sheetjs.com/SheetJS/sheetjs 项目地址: https://gitcode.com/gh_mirrors/sh/sheetjs 在数据驱动的Web开发领域,JavaScript表格处理一直是连接用户需求与系统功能的关键纽带。无论是企业级应用的数据导入导出,还是前端可视化报表生成,开发者都需要一套能够跨越平台限制、处理复杂格式转换的完整解决方案。SheetJS作为专注于此领域的开源工具包,通过模块化设计与全栈兼容特性,重新定义了JavaScript生态中的表格数据处理范式,为从浏览器到服务器的全场景应用提供了统一的数据操作接口。 一、核心能力:如何构建全栈数据处理架构? 现代应用开发中,数据往往需要在浏览器与服务器之间频繁流转,传统解决方案通常需要为前端和后端维护两套独立的处理逻辑。SheetJS通过全栈一致的API设计打破了这一壁垒,实

By Ne0inhk
Java 大视界 -- Java+Flink CDC 构建实时数据同步系统:从 MySQL 到 Hive 全增量同步(443)

Java 大视界 -- Java+Flink CDC 构建实时数据同步系统:从 MySQL 到 Hive 全增量同步(443)

Java 大视界 -- Java+Flink CDC 构建实时数据同步系统:从 MySQL 到 Hive 全增量同步(443) * 引言: * 正文: * 一、 核心认知:Flink CDC 与全增量同步逻辑 * 1.1 Flink CDC 核心原理 * 1.1.1 与传统数据同步方案的对比(实战选型参考) * 1.2 全增量同步核心逻辑(MySQL→Hive) * 1.2.1 关键技术点(实战必关注,每个点都踩过坑) * 二、 环境准备:生产级环境配置(可直接复用) * 2.1 核心依赖配置(pom.xml)

By Ne0inhk