Python教程:深入了解 Python 中 Dict、List、Tuple、Set 的高级用法

简介: Python 中的 Dict(字典)、List(列表)、Tuple(元组)和 Set(集合)是常用的数据结构,它们各自有着不同的特性和用途。在本文中,我们将深入了解这些数据结构的高级用法,并提供详细的说明和代码示例。

 一.使用方法介绍


Python 中的 Dict(字典)、List(列表)、Tuple(元组)和 Set(集合)是常用的数据结构,它们各自有着不同的特性和用途。在本文中,我们将深入了解这些数据结构的高级用法,并提供详细的说明和代码示例。

1. 字典(Dict)

字典是一种无序的、可变的、键值对(key-value)集合,其中的键必须是唯一的。字典提供了高效的键值对查找和修改功能。

高级用法:

  • 字典推导式
  • 使用 collections.defaultdict
  • 使用 collections.Counter
# 字典推导式
squares = {x: x*x for x in range(1, 6)}
print(squares)
# 使用 collections.defaultdict
from collections import defaultdict
d = defaultdict(list)
d['group1'].append('value1')
print(d)
# 使用 collections.Counter
from collections import Counter
words = ['apple', 'banana', 'apple', 'orange', 'banana', 'apple']
word_counts = Counter(words)
print(word_counts)

image.gif

2. 列表(List)

列表是一种有序的、可变的序列,其中的元素可以是任意类型。列表提供了丰富的操作方法,如添加、删除、切片等。

高级用法:

  • 列表推导式
  • 使用 enumerate 获取索引和值
  • 使用 zip 合并列表
# 列表推导式
evens = [x for x in range(10) if x % 2 == 0]
print(evens)
# 使用 enumerate 获取索引和值
fruits = ['apple', 'banana', 'orange']
for index, value in enumerate(fruits):
    print(index, value)
# 使用 zip 合并列表
names = ['Alice', 'Bob', 'Charlie']
ages = [30, 25, 35]
for name, age in zip(names, ages):
    print(name, age)

image.gif

3. 元组(Tuple)

元组是一种有序的、不可变的序列,类似于列表但是不可修改。元组通常用于存储不可变的数据集合。

高级用法:

  • 解构赋值
  • 使用 * 操作符解包
# 解构赋值
point = (3, 4)
x, y = point
print(x, y)
# 使用 * 操作符解包
numbers = (1, 2, 3, 4, 5)
first, *rest, last = numbers
print(first, last)

image.gif

4. 集合(Set)

集合是一种无序的、不重复的元素集合,类似于数学中的集合概念。集合提供了高效的成员检查和集合操作。

高级用法:

  • 集合操作:并集、交集、差集、对称差集
  • 集合推导式
# 集合操作
set1 = {1, 2, 3, 4, 5}
set2 = {4, 5, 6, 7, 8}
print("并集:", set1 | set2)
print("交集:", set1 & set2)
print("差集:", set1 - set2)
print("对称差集:", set1 ^ set2)
# 集合推导式
squares_set = {x*x for x in range(1, 6)}
print(squares_set)

image.gif

二.Python 中 Dict、List、Tuple、Set 之间的相互转换


1. Dict(字典)转换为其他数据结构

1.1. Dict 转换为 List:

my_dict = {'a': 1, 'b': 2, 'c': 3}
dict_to_list = list(my_dict.items())
print(dict_to_list)

image.gif

1.2. Dict 转换为 Tuple:

my_dict = {'a': 1, 'b': 2, 'c': 3}
dict_to_tuple = tuple(my_dict.items())
print(dict_to_tuple)

image.gif

1.3. Dict 转换为 Set:

my_dict = {'a': 1, 'b': 2, 'c': 3}
dict_to_set = set(my_dict.items())
print(dict_to_set)

image.gif

2. List(列表)转换为其他数据结构

2.1. List 转换为 Dict:

my_list = [('a', 1), ('b', 2), ('c', 3)]
list_to_dict = dict(my_list)
print(list_to_dict)

image.gif

2.2. List 转换为 Tuple:

my_list = [1, 2, 3]
list_to_tuple = tuple(my_list)
print(list_to_tuple)

image.gif

2.3. List 转换为 Set:

my_list = [1, 2, 2, 3, 3, 4]
list_to_set = set(my_list)
print(list_to_set)

image.gif

3. Tuple(元组)转换为其他数据结构

3.1. Tuple 转换为 Dict:

my_tuple = (('a', 1), ('b', 2), ('c', 3))
tuple_to_dict = dict(my_tuple)
print(tuple_to_dict)

image.gif

3.2. Tuple 转换为 List:

my_tuple = (1, 2, 3)
tuple_to_list = list(my_tuple)
print(tuple_to_list)

image.gif

3.3. Tuple 转换为 Set:

my_tuple = (1, 2, 2, 3, 3, 4)
tuple_to_set = set(my_tuple)
print(tuple_to_set)

image.gif

4. Set(集合)转换为其他数据结构

4.1. Set 转换为 Dict:

注意:Set 中的元素必须是可哈希的,因此只能转换包含元组的集合。

my_set = {('a', 1), ('b', 2), ('c', 3)}
set_to_dict = dict(my_set)
print(set_to_dict)

image.gif

4.2. Set 转换为 List 或 Tuple:

由于 Set 是无序的,转换为 List 或 Tuple 时顺序不确定,可以通过排序使结果有序。

my_set = {1, 2, 3}
set_to_list = sorted(list(my_set))
set_to_tuple = tuple(sorted(my_set))
print(set_to_list)
print(set_to_tuple)

image.gif

三.实战应用


下面的示例代码,这是一个简单的学生管理系统,用于记录学生的信息,并实现一些功能,如添加学生、删除学生、按姓名查找学生等。这个示例会展示如何使用 Python 的 Dict、List、Tuple、Set 以及它们之间的相互转换。

class StudentManagementSystem:
    def __init__(self):
        self.students = []  # 学生列表,每个学生以字典形式存储
        self.student_set = set()  # 学生集合,用于快速查找学生是否存在
    def add_student(self, name, age, grade):
        student = {'name': name, 'age': age, 'grade': grade}
        self.students.append(student)
        self.student_set.add((name, age))  # 使用元组作为集合元素,保证唯一性
    def remove_student(self, name):
        for student in self.students:
            if student['name'] == name:
                self.students.remove(student)
                self.student_set.remove((student['name'], student['age']))
                return True
        return False
    def find_student_by_name(self, name):
        for student in self.students:
            if student['name'] == name:
                return student
        return None
    def display_all_students(self):
        for student in self.students:
            print(student)
    def get_students_set(self):
        return self.student_set
# 示例用法
sms = StudentManagementSystem()
# 添加学生
sms.add_student('Alice', 20, 'A')
sms.add_student('Bob', 21, 'B')
sms.add_student('Charlie', 22, 'C')
# 显示所有学生信息
print("所有学生信息:")
sms.display_all_students()
# 按姓名查找学生
print("\n按姓名查找学生:")
print(sms.find_student_by_name('Bob'))
# 删除学生
sms.remove_student('Bob')
print("\n删除学生后的所有学生信息:")
sms.display_all_students()
# 将学生集合转换为列表
student_set_as_list = sorted(list(sms.get_students_set()))
print("\n将学生集合转换为列表并排序:")
print(student_set_as_list)

image.gif


目录
相关文章
|
13天前
|
监控 测试技术 Python
颠覆传统!Python闭包与装饰器的高级实战技巧,让你的项目效率翻倍
【7月更文挑战第7天】Python的闭包与装饰器是强大的工具。闭包是能记住外部作用域变量的内部函数,常用于动态函数创建和工厂模式。例如,`make_power`返回含外部变量`n`的`power`闭包。装饰器则允许在不修改函数代码的情况下添加新功能,如日志或性能监控。`my_decorator`函数接收一个函数并返回包装后的函数,添加了前后处理逻辑。掌握这两者,可提升编程效率和灵活性。
24 3
|
4天前
|
存储 JSON 关系型数据库
mysql中find_in_set()函数用法详解及增强函数
总结而言,`FIND_IN_SET()`是MySQL中处理由逗号分隔的字符串列表的一种便捷方法,尤其适用于列表相对较短且不经常更改的场景。然而,对于更为复杂的需要高性能和可扩展性的数据库设计,它可能不是最优选择,应考虑使用更加正规化的数据库结构。
9 2
mysql中find_in_set()函数用法详解及增强函数
|
3天前
|
机器学习/深度学习 数据采集 人工智能
Python 是一种广泛使用的高级编程语言
【7月更文挑战第17天】Python 是一种广泛使用的高级编程语言
5 2
|
7天前
|
存储 算法 Python
“解锁Python高级数据结构新姿势:图的表示与遍历,让你的算法思维跃升新高度
【7月更文挑战第13天】Python中的图数据结构用于表示复杂关系,通过节点和边连接。常见的表示方法是邻接矩阵(适合稠密图)和邻接表(适合稀疏图)。图遍历包括DFS(深度优先搜索)和BFS(广度优先搜索):DFS深入探索分支,BFS逐层访问邻居。掌握这些技巧对优化算法和解决实际问题至关重要。**
10 1
|
8天前
|
存储 缓存 Python
Python中的列表(List)和元组(Tuple)是两种重要的数据结构
【7月更文挑战第12天】Python中的列表(List)和元组(Tuple)是两种重要的数据结构
9 1
|
10天前
|
存储 算法 调度
惊呆了!Python高级数据结构堆与优先队列,竟然能这样优化你的程序性能!
【7月更文挑战第10天】Python的heapq模块实现了堆和优先队列,提供heappush和heappop等函数,支持O(log n)时间复杂度的操作。优先队列常用于任务调度和图算法,优化性能。例如,Dijkstra算法利用最小堆加速路径查找。堆通过列表存储,内存效率高。示例展示了添加、弹出和自定义优先级元素。使用堆优化程序,提升效率。
21 2
|
11天前
|
算法 调度 Python
Python高手必备!堆与优先队列的高级应用,掌握它们,技术路上畅通无阻!
【7月更文挑战第9天】Python的heapq模块实现了堆数据结构,提供O(log n)操作如`heappush`和`heappop`。堆是完全二叉树,用于优先队列,保证最大/最小元素快速访问。例如,最小堆弹出最小元素,常用于Dijkstra算法找最短路径、Huffman编码压缩数据及任务调度。通过`heappush`和`heappop`可创建和管理优先队列,如`(优先级, 数据)`元组形式。理解并运用这些概念能优化算法效率,解决复杂问题。
|
13天前
|
程序员 Python
程序员必看!Python闭包与装饰器的高级应用,让你的代码更优雅、更强大
【7月更文挑战第7天】Python中的闭包和装饰器是高级特性,用于增强代码功能。闭包是内部函数记住外部作用域的变量,常用于动态函数和函数工厂。示例展示了`make_multiplier_of`返回记住n值的`multiplier`闭包。装饰器则是接收函数并返回新函数的函数,用于不修改原函数代码就添加功能。`my_decorator`装饰器通过`@`语法应用到`say_hello`函数上,展示了在调用前后添加额外行为的能力。这两种技术能提升代码的优雅性和效率。
20 3
|
13天前
|
Python
Python黑魔法揭秘:闭包与装饰器的高级玩法,让你代码飞起来
【7月更文挑战第7天】Python的闭包和装饰器是提升代码效率的神器。闭包是能记住外部作用域变量的内部函数,常用于动态函数创建。示例中,`make_multiplier_of`返回一个保留`n`值的闭包。装饰器则是一个接收函数并返回新函数的函数,用于在不修改原函数情况下添加功能,如日志或性能追踪。`@my_decorator`装饰的`say_hello`函数在执行时会自动加上额外操作。掌握这两者,能让Python代码更优雅、强大。**
|
1天前
|
存储 数据处理 开发者
告别繁琐查找!Python高级数据结构Trie树与Suffix Tree,让数据处理更轻松!
【7月更文挑战第19天】Python的Trie树优化字符串搜索,利用前缀减少无效操作,提升效率;Suffix Tree则高效处理后缀问题,尤其适用于文本搜索与生物信息学。虽构建复杂,但能加速后缀查询。掌握这两种数据结构,能有效应对大规模数据挑战,简化处理流程,提升开发效率。