10种 Python数据结构,从入门到精通

简介: 10种 Python数据结构,从入门到精通

今天我们将深入探讨 Python 中常用的数据结构,帮助你从基础到精通。每种数据结构都有其独特的特点和适用场景,通过实际代码示例和生活中的比喻,让你更容易理解这些概念。

学习数据结构的三个阶段

1、掌握基本用法:使用这些数据结构解决一些基本问题。

2、应用场景选择:知道在何种场景下选用哪种数据结构。

3、深入理解实现:了解内置数据结构的源码实现,并将其与相关算法知识联系起来,提升编程能力。

下面逐一介绍这 10 种常用的数据结构。


1. List (列表)

基本用法

list 是 Python 中最基本的数据结构,允许存储多个值且支持动态大小。

# 创建一个列表
fruits = ['apple', 'banana', 'cherry']
print(fruits[0])  # 输出:apple
 
# 添加元素
fruits.append('orange')
print(fruits)  # 输出:['apple', 'banana', 'cherry', 'orange']
 
# 修改元素
fruits[1] = 'kiwi'
print(fruits)  # 输出:['apple', 'kiwi', 'cherry', 'orange']
 
# 删除元素
fruits.remove('cherry')
print(fruits)  # 输出:['apple', 'kiwi', 'orange']
使用场景
  • 适合频繁查询和修改:例如,在需要按索引访问元素时,list 的性能优越。
  • 不适合频繁插入和删除:特别是在开头插入或删除时,因为这样会导致后面的元素都要移动。
实现原理

list 底层是动态数组,初始状态下无需指定长度。当插入元素超过初始容量时,会进行扩容,通常是以两倍的方式增加大小。删除操作尤其在列表开头执行时,由于涉及大量元素的位移,因此时间复杂度为 O(n)。


2. Tuple (元组)

基本用法

tuple 是一种不可变的序列,一旦创建便无法修改。

# 创建一个元组
coordinates = (10, 20)
print(coordinates[0])  # 输出:10
 
# 元组解包
x, y = coordinates
print(x, y)  # 输出:10 20
使用场景
  • 确保数据不被修改:如果确定对象不会被修改(比如坐标),可以使用元组。
  • 节省内存:由于元组的不可变性,Python 在内存管理上更高效。
from sys import getsizeof
print(getsizeof(list()))  # 输出:72
print(getsizeof(tuple()))  # 输出:56
实现原理

tuple 是一种静态数组,不支持动态扩展,其存储方式相较于 list 更加紧凑,因此在同等条件下占用的内存更少。


3. Set (集合)

基本用法

set 是一种无序且不重复的集合,主要用于去重和集合运算。

# 创建一个集合
a = [3, 2, 5, 2, 5, 3]
unique_values = set(a)
print(unique_values)  # 输出:{2, 3, 5}
 
# 集合操作
b = {3, 4, 6, 2}
intersection = unique_values.intersection(b)  # 求交集
print(intersection)  # 输出:{2, 3}
使用场景
  • 去除重复元素:例如,统计购物车中的唯一商品。
  • 快速查找:适合快速判断某个元素是否存在。
实现原理

set 通过哈希表实现,采用哈希函数将元素映射到固定的索引,增删查操作平均时间复杂度为 O(1),因此效率极高。


4. Dict (字典)

基本用法

dict 是基于键-值对数据结构,广泛用于数据存储和检索。

# 创建字典
d = {'a': 1, 'b': 2}
print(d['a'])  # 输出:1
 
# 添加元素
d['c'] = 3
print(d)  # 输出:{'a': 1, 'b': 2, 'c': 3}
 
# 修改元素
d['b'] = 5
print(d)  # 输出:{'a': 1, 'b': 5, 'c': 3}
 
# 删除元素
del d['a']
print(d)  # 输出:{'b': 5, 'c': 3}
使用场景
  • 高效查询:适合需要快速查找的场景,如用户信息存储。
  • 统计数据:比如计算字符串中字符出现次数的场景。
text = "hello world"
count_dict = {}
for char in text:
    count_dict[char] = count_dict.get(char, 0) + 1
print(count_dict)  # 输出:{'h': 1, 'e': 1, 'l': 3, 'o': 2, ' ': 1, 'w': 1, 'r': 1, 'd': 1}
实现原理

dict 实际上是哈希表实现,基于键值对存储数据,查找、插入和删除操作的平均时间复杂度是 O(1)。不过,由于哈希表的设计,字典在内存上相对消耗较大。


5. Deque (双端队列)

基本用法

deque 是双端队列,支持从左右两边高效地添加和删除元素。

from collections import deque
 
# 创建一个双端队列
d = deque([3, 2, 4])
d.appendleft(1)  # 从左侧添加元素
print(d)  # 输出:deque([1, 3, 2, 4])
 
# 从右侧添加元素
d.append(5)
print(d)  # 输出:deque([1, 3, 2, 4, 5])
 
# 从左侧删除元素
d.popleft()
print(d)  # 输出:deque([3, 2, 4, 5])
使用场景
  • 需要频繁在两端进行操作的场景:如任务调度、回溯算法等。
实现原理

deque 是一个双向链表,因此在两端进行操作时,时间复杂度都是 O(1)。它内部维护了一个数组和链表的数据结构,使得存取操作灵活且高效。


6. Counter (计数器)

基本用法

Counter 是用于计数的容器,可以轻松统计元素出现的频率。

from collections import Counter
 
# 创建 Counter
c = Counter(['apple', 'orange', 'apple', 'banana'])
print(c)  # 输出:Counter({'apple': 2, 'orange': 1, 'banana': 1})
 
# 获取最常见的元素
most_common = c.most_common(2)  # 前两个常见元素
print(most_common)  # 输出:[('apple', 2), ('orange', 1)]
使用场景
  • 统计频次:分析文本数据、用户行为等,找出最常见的项。
实现原理

Counter 继承自 dict,其实现简单明了,将元素作为键,出现的次数作为值,方便快速统计和查询。


7. OrderedDict (有序字典)

基本用法

OrderedDict 是一个保持插入顺序的字典。

from collections import OrderedDict
 
od = OrderedDict()
od['a'] = 1
od['b'] = 2
od['c'] = 3
 
for k, v in od.items():
    print(k, v)  # 输出:a 1, b 2, c 3
使用场景
  • 需要保持元素插入顺序的场景:如任务调度、配置文件解析等。
实现原理

OrderedDict 内部维护了一个双向链表来记录元素的插入顺序,同时还能保证 O(1) 的插入、删除和查找效率。


8. Heapq (堆队列)

基本用法

heapq 提供了堆队列算法,支持高效的优先级队列实现。

import heapq
 
a = [3, 1, 4, 2]
heapq.heapify(a)  # 建堆
print(a[0])  # 输出:1,最小元素
 
# 获取前 3 个最大元素
largest = heapq.nlargest(3, a)
print(largest)  # 输出:[4, 3, 2]
 
# 获取前 3 个最小元素
smallest = heapq.nsmallest(3, a)
print(smallest)  # 输出:[1, 2, 3]
使用场景
  • 需要经常获取最小或最大值的场景:如实时数据处理、任务调度等。
实现原理

堆是一种特殊的完全二叉树,其中父节点的值小于子节点(最小堆)。heapq 模块使用数组实现堆,能够很方便地维持堆的性质。


9. Defaultdict (默认字典)

基本用法

defaultdict 是一种带默认值的字典,避免了键不存在时的 KeyError。

from collections import defaultdict
 
d = defaultdict(int)  # 默认值为 0
d['apple'] += 1
d['banana'] += 2
print(d)  # 输出:defaultdict(<class 'int'>, {'apple': 1, 'banana': 2})
 
# 添加列表作为默认值
dd = defaultdict(list)
words = ['book', 'nice', 'great', 'book']
for i, word in enumerate(words):
    dd[word].append(i)
print(dd)  # 输出:defaultdict(<class 'list'>, {'book': [0, 3], 'nice': [1], 'great': [2]})
使用场景
  • 适合需要自动初始化的字典:如频率统计、分组归类等场景。
实现原理

defaultdict 是对 dict 的扩展,当访问一个未定义的键时,会调用默认工厂函数生成一个默认值,避免了显式的检查。


10. ChainMap (链式映射)

基本用法

ChainMap 用于将多个字典组合为一个字典视图,支持同时查找。

from collections import ChainMap
 
d1 = {'a': 1, 'b': 2}
d2 = {'b': 3, 'c': 4}
cm = ChainMap(d1, d2)
 
print(cm['b'])  # 输出:2,取自 d1
print(cm['c'])  # 输出:4,取自 d2
 
# 修改键值对
cm['b'] = 5
print(d1)  # 输出:{'a': 1, 'b': 5}, d1 被修改
使用场景
  • 合并多个字典并希望同步更改的场景:如配置文件管理、环境变量设置等。
实现原理

ChainMap 将多个字典视为一个单一的映射,每次查找首先会检查第一个字典,如果没有找到,再查找下一个,这使得多个字典的合并变得简单而高效。

总结

本文详细介绍了 Python 中的 10 种常用数据结构,并结合了代码示例和实际场景解析,希望能帮助读者加深对这些数据结构的理解。在实际开发中,合理选择数据结构能够显著提升代码的效率和可读性。如果觉得这篇文章对你有帮助,请转发、点赞或收藏,以支持我们继续原创!

python教程22

python教程 · 目录

上一篇十个常见的 Python 脚本 (详细介绍 + 代码举例)下一篇反爬虫?不存在的!教你几招轻松绕过网站限制

相关文章
|
JavaScript 前端开发
Vue3--Vue Router详解--学习笔记
Vue3--Vue Router详解--学习笔记
282 3
|
消息中间件 弹性计算 数据可视化
SpringBoot 整合 Elastic Stack 最新版本(7.14.1)分布式日志解决方案,开源微服务全栈项目【有来商城】的日志落地实践
SpringBoot 整合 Elastic Stack 最新版本(7.14.1)分布式日志解决方案,开源微服务全栈项目【有来商城】的日志落地实践
|
缓存 Dubbo druid
SOFABoot 4.0 正式发布,多项新特性等你来体验!
SOFABoot 4.0 依赖 Java 17 作为最小支持的 JDK 版本。如果你的应用目前使用 Java 8 或 11,你需要先将自己的 JDK 版本升级到 17 才能基于 SOFABoot 4.0 进行开发。
|
开发工具 git
Git commit操作之后找不到提交记录
Git commit操作之后找不到提交记录
|
8月前
|
人工智能 自然语言处理 API
销售易NeoCRM与Salesforce:优势特色大比拼
本文对比了销售易NeoCRM与Salesforce两款CRM系统。销售易NeoCRM功能涵盖销售、客户、营销管理等,具AI赋能和移动办公优势,界面现代化,价格灵活适合中小企业;Salesforce功能全面,AI平台强大,生态系统丰富,全球化支持出色,适合大型及跨国企业。两者各有优劣,企业应根据自身需求选择合适的CRM系统,以实现高效管理和业务增长。
|
弹性计算 数据安全/隐私保护 云计算
2024年阿里云服务器一键搭建雾锁王国/Enshrouded游戏教程
继幻兽帕鲁之后,又一款沙箱游戏出圈了——雾锁王国(Enshrouded)。雾锁王国是一款多人联机合作生存冒险游戏,融合了生存、制作以及动作RPG元素,发售仅仅四天时间内就吸引了超一百万位玩家!购买游戏后,你只需要花三分钟左右,就能在你已有云服务器的基础上,使用阿里云计算巢一键搭建好游戏。
317 3
|
11月前
|
关系型数据库 MySQL OLAP
快速入门:搭建你的第一个AnalyticDB实例
【10月更文挑战第25天】在大数据时代,高效的在线分析处理(OLAP)成为企业决策的关键。AnalyticDB是阿里云推出的一款完全托管的实时数据仓库服务,它能够支持PB级的数据量和高并发的查询需求。作为一名数据工程师,我有幸在工作中使用了AnalyticDB,并积累了丰富的实践经验。本文将从个人角度出发,详细介绍如何快速搭建你的第一个AnalyticDB实例,包括创建实例、连接数据库、导入数据和执行简单查询等步骤。
447 0
|
JavaScript UED
Vue中的路由懒加载有哪些优缺点?
Vue中的路由懒加载有哪些优缺点?
275 3
|
安全 Java 数据库
Springboot 用session监听器统计在线用户数量
Springboot 用session监听器统计在线用户数量
1115 0
Springboot 用session监听器统计在线用户数量
|
算法 C++
基本算法-欧几里德算法(辗转相除法)
基本算法-欧几里德算法(辗转相除法)
1094 0