数据结构
在Python中，两个主力数据结构是列表和字典。列表按顺序存储数据，而字典像小型数据库，使用键高效地存储和检索数据。
type 命令
有些情况下，需要检查值或变量的数据类型。这很容易，只需使用内置命令type:
>>> type(5)
<class 'int'>
>>> type(5.0)
<class 'float'>
>>> type('5')
<class 'str'>
>>> type(None)
<class 'NoneType'>
>>> type(print)
<class 'builtin_function_or_method'>
type 命令对调试很用帮助。
序列
在Python中，序列是一组按顺序排列的值。Python有三种内置的序列类型： 字符串、元组和列表。
序列的优点之一是，像字符串一样支持索引和切片。因此，所有序列都具备如下特征。
- 第一个正索引为零，指向左端。
- 第一个副索引为-1，指向右端。
- 可使用切片表示法来复制子序列，例如，seq[begin:end]复制seq的如下元素：从索引begin指向的元素到索引end - 1指向的元素。
- 可使用 + 和 * 进行拼接。要进行拼接，序列化的类型必须相同，即不能拼接元组合列表。
- 可使用函数len计算其长度，例如，len(s) 返回序列s包含的元素数。
- 表达式 x in s 检查序列 s 是否包含元素 x。换句话说，如果 x 位于 s 中，则 x in s 返回 True，否则返回 False。
元组
元组是一种不可变序列，包含零个或更多个值。它可以包含任何Python值，甚至可以包含其他元素。例如：
>>> items = (-6, 'cat', (1, 2))
>>> items
(-6, 'cat', (1, 2))
>>> len(items)
3
>>> items[-1]
(1, 2)
>>> item[-1][0]
1
元组用圆括号括起，其中的元素用逗号分隔。空元祖用 () 表示，但只包含一个元素的元素（单元素元组）采用不同寻常的表示法 (x,)，如下所示：
>>> type(())
<class 'tuple'>
>>> type((5,))
<class 'tuple'>
>>> type((5))
<class 'int'>
如果省略单元素元组末尾的逗号，就不是创建元组，而是用圆括号将表达式括起。
元组是不可变的
创建元组后就不能修改它。这种特征并不独特，字符串、整数和浮点都是不可变的。如果要修改元组，就必须创建一个体现更改的新元组。例如：
>>> lucky = (6, 7, 21, 77)
>>> lucky
(6, 7, 21, 77)
>>> lucky2 = lucky[1:]
>>> lucky2
(7, 21, 77)
>>> lucky
(6, 7, 21, 77)
从积极的角度看，不可变杜绝了无意间修改元组的可能性，有助于防范错误；
从消极的角度看，即便对元组做细微的修改，都必须复制整个元组，这增加了修改大型元组所需的时间和内存。如果你发现自己需要频繁的修改某个元组，就应该使用列表代替它。
元组函数
常见的元组函数
使用示例：
>>> pets = ('dog', 'cat', 'bird', 'dog')
>>> pets
('dog', 'cat', 'bird', 'dog')
>>> 'bird' in pets
True
>>> len(pets)
4
>>> pets.count('dog')
2
>>> pets.count('fish')
0
>>> pets.index('bird')
2
与字符串一样，也可以使用+、*来拼接元组：
>>> tup1 = (1, 2, 3,)
>>> tup2 = (4, 5, 6,)
>>> tup1 + tup2
(1, 2, 3, 4, 5, 6)
>>> tup1 * 2
(1, 2, 3, 1, 2, 3)
列表
列表与元组基本相同，但是列表是可变的。
列表函数
列表函数
函数pop删除并返回给指定索引对应的元素
>>> lst = ['a', 'b', 'c', 'd']
>>> lst.pop(2)
'c'
>>> lst
['a', 'b', 'd']
>>> lst.pop()
'd'
>>> lst
['a', 'b']
如果没有向函数pop传递索引，它将删除并返回列表末尾的元素。
函数remove(x) 删除列表中的第一个x元素，但不返回该元素。
关于函数sort()，Python对序列进行排序的方式称为字典顺序。它的基本理念是，首先按第一项对元素排列，如果第一项相同，则按第二项进行排序，如果第二项也想通，则按第三项进行排序，以此类推。
所以Python可以对包含元组的列表排序。
列表解析
>>> [n * n for n in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
列表解析感觉有些像kotlin集合操作符。遍历列表，对每一个元素做一定的处理后返回新的列表。
不同的是，你可以方便的在列表解析中使用字符串。
>>> [c for c in 'pizza']
['p', 'i', 'z', 'z', 'a']
>>> [c.upper() for c in 'pizza']
['P', 'I', 'Z', 'Z', 'A']
使用列表解析进行筛选
>>> nums = [-1, 0, 6, -4, -2, 3]
>>> result = [n for n in nums if n > 0]
>>> result
[6, 3]
相比于常规循环，列表解析更简洁易读。
字典
在存储键值对方面，Python字典是一种效率极高的数据结构。例如：
>>> color = {'red': 1, 'blue': 2, 'green': 3}
>>> color
{'blue': 2, 'green': 3', red': 1}
要访问字典中的值，可使用相应的键：
>>> color['green']
3
使用键来访问字典值的效率极高，几遍字典包含数千个键值对。
Python字典中的每个键都被转为一个数字——散列值，这是使用专门设计的散列函数完成的。字典的值存储在一个底层列表中，并将其散列值用作索引。访问值时，把提供的键转换为散列值，再跳到列表的相应位置。计算散列的细节很复杂，所幸的是，Python为我们处理了这一切。
对键的限制
- 字典中的键必须是独一无二的，如果一个键使用了两次，Python只会存储第二个键值对；
- 键必须是不可变的。因此，字典键不能是列表，可不能使字典。
字典函数
字典函数
取值时，如果key没有包含在字典中，将引发KeyError异常。
如果你不清楚某个键是否包含在字典中，可使用key in d 进行检查。这种检查的效率极高，与用于序列的in相比尤其如此。
集合
在Python中，集合是一系列不重复的元素。集合类似于字典，但只包含键，而没有相关联的值。
和Kotlin一样，集合分为两类：可变集合和不可变集合。
集合最常见的用途可能是用于删除序列中的重复元素。
>>> lst = [1, 1, 6, 8, 1, 5, 5, 6, 8, 1, 5]
>>> s = set(lst)
>>> s
{8, 1, 5, 6}
与字典一样，集合的元素排列顺序也是不确定的。
网友评论