当前位置：首页 > news >正文

Python 数据结构速成教程

news 来源：原创 2025/6/18 10:54:14

在 Python 中，数据结构是组织和存储数据的方式，不同的数据结构适用于不同的场景。下面将深入介绍 Python 中常见的数据结构，包括它们的应用场景、优势和劣势。

1. 列表（List）

定义和基本操作

列表是 Python 中最常用的数据结构之一，它是一个可变的、有序的元素集合。列表可以包含不同类型的元素，使用方括号 [] 来定义。

# 创建一个列表
my_list = [1, 2, 3, 'apple', 'banana']

# 访问列表元素
print(my_list[0])  # 输出: 1

# 修改列表元素
my_list[1] = 20
print(my_list)  # 输出: [1, 20, 3, 'apple', 'banana']

# 添加元素
my_list.append('cherry')
print(my_list)  # 输出: [1, 20, 3, 'apple', 'banana', 'cherry']

# 删除元素
del my_list[2]
print(my_list)  # 输出: [1, 20, 'apple', 'banana', 'cherry']

应用场景

数据收集：当需要收集一系列数据时，列表非常有用。例如，收集用户输入的一组数字。
动态数据：如果数据的数量和内容会动态变化，列表可以方便地进行添加、删除和修改操作。

优势

灵活性：可以包含不同类型的元素，并且可以动态调整大小。
易于操作：提供了丰富的方法，如 append()、extend()、remove() 等，方便对列表进行操作。

劣势

性能问题：在列表的开头插入或删除元素的效率较低，因为需要移动后续的所有元素。
内存开销：列表需要额外的内存来存储元素的引用和列表的元数据。

2. 元组（Tuple）

定义和基本操作

元组是一个不可变的、有序的元素集合，使用圆括号 () 来定义。

# 创建一个元组
my_tuple = (1, 2, 3, 'apple', 'banana')

# 访问元组元素
print(my_tuple[0])  # 输出: 1

# 元组是不可变的，以下操作会报错
# my_tuple[1] = 20  # TypeError: 'tuple' object does not support item assignment

应用场景

数据保护：当需要确保数据不被修改时，元组是一个很好的选择。例如，函数的返回值可以使用元组来保证数据的安全性。
作为字典的键：由于元组是不可变的，它可以作为字典的键，而列表则不行。

优势

不可变性：保证数据的安全性，避免意外修改。
性能优势：元组的创建和访问速度比列表快，因为不需要额外的内存来处理可变操作。

劣势

不灵活：一旦创建，元组的内容就不能修改，不适合需要动态变化的数据。

3. 集合（Set）

定义和基本操作

集合是一个无序的、唯一的元素集合，使用花括号 {} 或 set() 函数来定义。

# 创建一个集合
my_set = {1, 2, 3, 3, 4}  # 重复的元素会被自动去除
print(my_set)  # 输出: {1, 2, 3, 4}

# 添加元素
my_set.add(5)
print(my_set)  # 输出: {1, 2, 3, 4, 5}

# 删除元素
my_set.remove(3)
print(my_set)  # 输出: {1, 2, 4, 5}

# 集合运算
set1 = {1, 2, 3}
set2 = {3, 4, 5}
print(set1.union(set2))  # 并集，输出: {1, 2, 3, 4, 5}
print(set1.intersection(set2))  # 交集，输出: {3}
print(set1.difference(set2))  # 差集，输出: {1, 2}

应用场景

去重：当需要去除列表中的重复元素时，可以将列表转换为集合。
集合运算：进行交集、并集、差集等运算，例如在数据库查询中筛选出符合条件的数据。

优势

唯一性：自动去除重复元素，确保数据的唯一性。
高效的查找：集合使用哈希表实现，查找元素的时间复杂度为 O。

劣势

无序性：集合是无序的，不能通过索引访问元素。
只能存储可哈希的元素：集合中的元素必须是可哈希的，因此不能包含列表等可变对象。

4. 字典（Dictionary）

定义和基本操作

字典是一个无序的键值对集合，使用花括号 {} 来定义，每个键值对用冒号 : 分隔。

# 创建一个字典
my_dict = {'name': 'John', 'age': 30, 'city': 'New York'}

# 访问字典元素
print(my_dict['name'])  # 输出: John

# 修改字典元素
my_dict['age'] = 31
print(my_dict)  # 输出: {'name': 'John', 'age': 31, 'city': 'New York'}

# 添加元素
my_dict['job'] = 'Engineer'
print(my_dict)  # 输出: {'name': 'John', 'age': 31, 'city': 'New York', 'job': 'Engineer'}

# 删除元素
del my_dict['city']
print(my_dict)  # 输出: {'name': 'John', 'age': 31, 'job': 'Engineer'}

应用场景

数据映射：当需要根据某个键来查找对应的值时，字典非常有用。例如，存储用户信息，通过用户 ID 查找用户的详细信息。
统计频率：可以使用字典来统计列表中每个元素的出现频率。

优势

高效的查找：字典使用哈希表实现，查找元素的时间复杂度为 O。
灵活的键值对：键可以是任意不可变类型，值可以是任意类型。

劣势

内存开销：字典需要额外的内存来存储哈希表，因此对于大量数据，内存开销较大。
无序性：Python 3.6 之前，字典是无序的，虽然 3.6 及以后版本保证了插入顺序，但仍然不适合需要有序访问的场景。

总结

数据结构	应用场景	优势	劣势
列表（List）	数据收集、动态数据	灵活性高、易于操作	开头插入删除效率低、内存开销大
元组（Tuple）	数据保护、作为字典键	不可变性、性能优势	不灵活
集合（Set）	去重、集合运算	唯一性、高效查找	无序性、只能存储可哈希元素
字典（Dictionary）	数据映射、统计频率	高效查找、灵活键值对	内存开销大、无序性（早期版本）