python数据容器

简介: python数据容器

一、list列表

亮点:python中的list可以存储不同类型的元素
# list_demo.py
# 数据列表的定义 及 下标获取指定元素
name_list = ["c++", "java", "python", "java"]
print(name_list)
print(name_list[0])
print(name_list[1])
print(name_list[2])
print(type(name_list))
person = ["lwang", 20, "beijing"]
print(person)
print(person[0])
print(person[1])
print(person[2])
print(type(person))
array = [[1,2,3],[4,5,6]]
print(array)
print(array[0])
print(array[0][0])
print(array[0][1])
print(array[0][2])
print(array[1])
print(array[1][0])
print(array[1][1])
print(array[1][2])
print(type(array))
# list提供的方法
# 查找指定元素的下标
index = name_list.index("c++")
print("c++ idex: %d" % index)
# 修改指定下标的元素
name_list[1] = "c#"
print("name_list[1]: %s" % name_list[1])
print(name_list)
# 在指定下标的位置插入元素
name_list.insert(1, "java")
print(name_list)
# 元素追加到一个元素到list末尾
name_list.append("php")
print(name_list)
# 元素追加整个容器的数据
lsit2 = [1,3,5]
name_list.extend(lsit2)  #python中的list可以存储不同类型的元素
print(name_list)
# 删除元素语法  1. del list[index]  2. list.pop(index) pop方法
del name_list[0]
print(name_list)
element = name_list.pop(1) # 从list中pop出该元素,可以通过返回值接收弹出的元素
print(f"element = {element}")
print(name_list)
# remove 删除list中第一个匹配的元素
name_list.remove("java")
print(name_list)
name_list.append("java")
print("name_list 中java的个数为:%d" % name_list.count("java"))
print("name_list 中总共元素的个数为:%d" % len(name_list))
# name_list.clear()
# print(name_list)
# list 的遍历
print("==================== name_list 的遍历 ========================")
def list_check_v1():
    index = 0
    for x in name_list:
        print(f"当前的元素为:{x}")
list_check_v1()
print("==================== 分割线 ========================")
def list_check_v2():
    index = 0
    while index < len(name_list):
        element = name_list.pop()
        print(f"当前的元素为:{element}")
list_check_v2()

二、元组tuple

元组中的元素不允许被修改

# tuple 元组
t1 = ("lwang", 20, "beijing")
print(t1[0]) # 支持下标获取元素
# t1[0] = "panda" # 元组中的元素不允许被修改
print(t1)
t2 = ()
t3 = tuple();
#元组中的元素可以是list
t4 = ("c++", "java", "python", [1, 3, 5])
print(t4)
t4[3][0] = 0  # 修改的是元组中的列表元素
print(t4)
print("c++在t4中的index为:%d" % t4.index("c++"))
idx = 0
while idx < len(t4):
    print(f"elemetn {t4[idx]}")
    idx += 1
print("=========== 分割线 ===========")
for item in t4:
    print(f"item {item}")

三、字符串string

同元组一样,也是不可修改的数据容器。

3.1 通过下标访问
3.2 index

语法:index = str.index(字符或者字符串),查找指定字符或者字符串在str中的起始位置

3.1 replace

字符串替换,语法:newstr = str.replace(str1, str2) 表示,将str中的str1全部替换为str2,不是修改str本身,而是生成了新的字符串,通过返回值接收。

3.4 split

字符串分割,存入到列表对象。语法:list = str.split(分割标识)。str本身不变,会得到一个列表对象,通过返回值接收。

3.4 strip

去掉字符串前后的指定字符。new_str = str.strip(字符或者字符串) 参数默认为 “空格”

3.5 count

获取指定字符串在原始字符串中出现的次数。

3.5 len

获取字符串的长度。

str = ("hello world i am panda")
print(str)
print(str[0])
# str[0] = "H"  # 不允许修改
print("am 的idx 是%d " % str.index("am"))
new_str = str.replace("o", "O")
print(new_str)
res_list = str.split(" ")
print(res_list)
str2 = ("  here is strip test    ")
str3 = ("122121212here is strip test122121212")
new_str2 = str2.strip()
print(new_str2)
new_str3 = str3.strip("12")
print(new_str3)
cnt = str.count("l")
print(f"l 在str中出现的次数为:{cnt}")
print(f"str的长度为:{len(str)}")

三、数据容器(序列)的切片

实际上就是从原始序列中按照指定的步长取子序列。可以从左往右取,也可以从右往左取。

# 切片
# 语法:序列[start:end:step],表示从start位置开始没间隔step选取一个元素,不包含end位置的元素,返回新的序列
# step 可以为负数,表示从右往左取元素,默认step为1
name_list = ["c++", "java", 1, 2, 3, 4]
new_list = name_list[1:4]
print(new_list)
new_list = name_list[-1:-4:-1]
print(new_list)
t1 = ("one", "two", "three", "four", "five", ["six", "seven", "eight", "nine"])
print(t1)
t2 = t1[0:5:2]
print(t2)
str = "1234567891011"
print(str)
new_str = str[::1]
print(new_str)
new_str = str[::3]
print(new_str)
new_str = str[::] # 起始可以不写,表示从头到尾,默认step为1
print(new_str)
new_str = str[::-1] # 起始可以不写,表示从头到尾,step为-1,表示从尾到头取,步长为1
print(new_str)

三、集合set

不允许重复,乱序。

# 集合 set
# 乱序,不重复
my_set = {"c++", "java", "c++", "python"}
print(my_set)
print(f"my_set的类型是:{type(my_set)}")
# 1.添加元素
my_set.add(1)
print(my_set)
# 2.移除指定元素
my_set.remove(1)
print(my_set)
# 3.随机弹出一个元素,集合本身元素减1
element = my_set.pop()
print(element)
print(my_set)
# 4.清空集合
# my_set.clear()
# print(my_set)
# 5.求差集
# 语法:s1.difference(s2) 意思是,s1集合有s2没有的元素
s1 = {1, 2, 3, 4, 5}
s2 = {4, 5, 7, 8, 9}
# s3 = s1.difference(s2)
# print(f"集合s1 和 s2 的差集为:{s3}")
#
# s3 = s2.difference(s1)
# print(f"集合s2 和 s1 的差集为:{s3}")
# 6.消除两个集合的差集,语法:s1.difference_update(s2)
# 功能: 删除集合s1中和s2相同的元素,s1发生变化,s2不变,查看s1
s1.difference_update(s2)
print(f"集合s1消除 和 s2 的差集后为:{s1}")
# 7.求并集
s3 = s1.union(s2)
print(s3)
# 8.统计集合元素的个数
count = len(s3)
print("合并后的s3的元素个数是:%d 个" % count)
# 9.集合的遍历
for item in s3:
    print(item)

四、字典dict

# 字典 dict
# 语法: {k1:v1, k2:v2, ... , kn:vn}
# 1.定义
# 不允许重复的key,如果出现了重复的key,新值会覆盖掉旧值
my_dict = {"lwang":100, "panda":90, "jazz":80, "lwang":70}
print(my_dict)
print(my_dict["lwang"])
print(my_dict["panda"])
print(my_dict["jazz"])
# 2.字典嵌套
person_info = {
    "lwang":{"age":20, "addr":"beijing"},
    "lyz":{"age":18, "addr":"beijing"},
    "darren":{"age":30, "addr":"changsha"},
}
print(person_info)
print("lyz's age = %d " % person_info["lyz"]["age"])
# 3.添加元素
my_dict["lyz"] = 100
print(my_dict)
# 4.修改指定元素
my_dict["lwang"] = 149
print(my_dict)
# 5.删除元素
score = my_dict.pop("lwang")
print(score)
print(my_dict)
# # 6.清空字典
# my_dict.clear()
# print(my_dict)
# 7.获取全部的key
keys = my_dict.keys()
print(keys)
#  8.遍历
for key in keys:
    print(f"key:value = {key}:{my_dict[key]}")
# 9.字典元素的个数
num = len(my_dict)
print("my_dict 元素的个数是:%d " % num)


推荐一个零声学院免费教程,个人觉得老师讲得不错,分享给大家:[Linux,Nginx,ZeroMQ,MySQL,Redis,fastdfs,MongoDB,ZK,流媒体,CDN,P2P,K8S,Docker,TCP/IP,协程,DPDK等技术内容,点击立即学习:

相关文章
|
2月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
1436 1
|
2月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
442 0
|
2月前
|
JSON 算法 API
Python采集淘宝商品评论API接口及JSON数据返回全程指南
Python采集淘宝商品评论API接口及JSON数据返回全程指南
|
2月前
|
JSON API 数据安全/隐私保护
Python采集淘宝拍立淘按图搜索API接口及JSON数据返回全流程指南
通过以上流程,可实现淘宝拍立淘按图搜索的完整调用链路,并获取结构化的JSON商品数据,支撑电商比价、智能推荐等业务场景。
|
3月前
|
存储 监控 API
Python实战:跨平台电商数据聚合系统的技术实现
本文介绍如何通过标准化API调用协议,实现淘宝、京东、拼多多等电商平台的商品数据自动化采集、清洗与存储。内容涵盖技术架构设计、Python代码示例及高阶应用(如价格监控系统),提供可直接落地的技术方案,帮助开发者解决多平台数据同步难题。
|
3月前
|
存储 JSON 算法
Python集合:高效处理无序唯一数据的利器
Python集合是一种高效的数据结构,具备自动去重、快速成员检测和无序性等特点,适用于数据去重、集合运算和性能优化等场景。本文通过实例详解其用法与技巧。
147 0
|
3月前
|
数据采集 关系型数据库 MySQL
python爬取数据存入数据库
Python爬虫结合Scrapy与SQLAlchemy,实现高效数据采集并存入MySQL/PostgreSQL/SQLite。通过ORM映射、连接池优化与批量提交,支持百万级数据高速写入,具备良好的可扩展性与稳定性。
|
3月前
|
JSON API 数据安全/隐私保护
Python采集淘宝评论API接口及JSON数据返回全流程指南
Python采集淘宝评论API接口及JSON数据返回全流程指南
|
3月前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
3月前
|
数据可视化 大数据 数据挖掘
基于python大数据的招聘数据可视化分析系统
本系统基于Python开发,整合多渠道招聘数据,利用数据分析与可视化技术,助力企业高效决策。核心功能包括数据采集、智能分析、可视化展示及权限管理,提升招聘效率与人才管理水平,推动人力资源管理数字化转型。

热门文章

最新文章

推荐镜像

更多