Python编程的常用数据结构—列表 原创

简介: Python编程的常用数据结构—列表 原创

Python编程的常用数据结构—列表
Python 中有许多常用的数据结构,下面介绍列表数据结构及其用途:

列表 (List):

有序、可变、允许重复元素。
用于存储一系列元素,支持索引访问和切片操作。
列表是 Python 中最常用的数据结构之一,以下是一些展示列表用法的示例代码:

1. 创建列表并访问元素

# 创建一个包含不同数据类型的列表
my_list = [10, "apple", 3.14, True]

# 访问列表中的元素
print(my_list[0])  # 输出: 10
print(my_list[1])  # 输出: apple

2. 修改列表元素

# 修改列表中的元素
fruits = ["apple", "banana", "cherry"]
fruits[1] = "orange"
print(fruits)  # 输出: ['apple', 'orange', 'cherry']

3. 添加和删除元素

# 在列表末尾添加元素
fruits.append("kiwi")
print(fruits)  # 输出: ['apple', 'orange', 'cherry', 'kiwi']

# 从列表中删除指定元素
fruits.remove("orange")
print(fruits)  # 输出: ['apple', 'cherry', 'kiwi']

4. 遍历列表

# 遍历列表元素
numbers = [1, 2, 3, 4, 5]
for num in numbers:
    print(num)
# 输出:
# 1
# 2
# 3
# 4
# 5

5. 使用列表切片

# 使用切片截取列表的子集
weekdays = ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"]
subset = weekdays[1:4]
print(subset)  # 输出: ['Tuesday', 'Wednesday', 'Thursday']

6. 列表的长度和排序

# 获取列表长度和进行排序
numbers = [5, 2, 8, 1, 3]
print(len(numbers))  # 输出: 5
numbers.sort()
print(numbers)  # 输出: [1, 2, 3, 5, 8]

通过以上示例,展示了如何创建、访问、修改、添加、删除、遍历列表元素,并且介绍了切片、排序等列表的基本操作。列表在 Python 中是非常灵活和强大的数据结构,可用于存储各种类型的数据,并支持多种操作以满足不同需求。

在 Python 中,列表(List)是一种非常灵活和强大的数据结构,具有许多内置函数可以用于操作和处理列表。以下是一些常用的列表方法:

常用的列表方法
append():向列表末尾添加一个元素。

fruits = ["apple", "banana"]
fruits.append("cherry")
print(fruits)  # 输出: ['apple', 'banana', 'cherry']

extend():将另一个列表中的所有元素添加到当前列表的末尾。

fruits = ["apple", "banana"]
more_fruits = ["cherry", "kiwi"]
fruits.extend(more_fruits)
print(fruits)  # 输出: ['apple', 'banana', 'cherry', 'kiwi']

insert():在指定位置插入一个元素。

fruits = ["apple", "banana", "cherry"]
fruits.insert(1, "orange")
print(fruits)  # 输出: ['apple', 'orange', 'banana', 'cherry']

remove():移除列表中的第一个匹配项。

fruits = ["apple", "banana", "cherry", "apple"]
fruits.remove("apple")
print(fruits)  # 输出: ['banana', 'cherry', 'apple']

pop():移除并返回指定索引位置的元素,默认为最后一个元素。

fruits = ["apple", "banana", "cherry"]
removed_fruit = fruits.pop(1)
print(removed_fruit)  # 输出: banana
print(fruits)  # 输出: ['apple', 'cherry']

index():返回指定值的第一个匹配项的索引。

fruits = ["apple", "banana", "cherry"]
index = fruits.index("cherry")
print(index)  # 输出: 2

count():返回指定值在列表中出现的次数。

fruits = ["apple", "banana", "apple", "pear apple"]
count = fruits.count("apple")
print(count)  # 输出: 2

sort():对列表进行排序。

numbers = [5, 2, 8, 1, 3]
numbers.sort()
print(numbers)  # 输出: [1, 2, 3, 5, 8]

reverse():反转列表中的元素顺序。

numbers = [1, 2, 3, 4, 5]
numbers.reverse()
print(numbers)  # 输出: [5, 4, 3, 2, 1]

clear():清空列表中的所有元素。

fruits = ["apple", "banana", "cherry"]
fruits.clear()
print(fruits)  # 输出: []

copy():复制列表。

fruits = ["apple", "banana", "cherry"]
fruits_copy = fruits.copy()
print(fruits_copy)  # 输出: ['apple', 'banana', 'cherry']

这些是一些常用的列表函数,在Python中使用列表时非常方便。通过灵活运用这些函数,可以对列表进行各种操作和处理,满足不同的需求,提高编程效率。

常用的列表函数
len():返回列表中元素的个数。

numbers = [1, 2, 3, 4, 5]
length = len(numbers)
print(length)  # 输出: 5

max() 和 min():返回列表中的最大值和最小值。

numbers = [10, 20, 5, 15]
max_num = max(numbers)
min_num = min(numbers)
print(max_num)  # 输出: 20
print(min_num)  # 输出: 5

sum():返回列表中所有元素的总和(仅适用于数字类型的列表)。

numbers = [1, 2, 3, 4, 5]
total = sum(numbers)
print(total)  # 输出: 15

any() 和 all():any() 函数用于判断可迭代对象中是否至少有一个为真,all() 函数用于判断可迭代对象中所有元素是否都为真。

bool_list = [True, False, True]
any_result = any(bool_list)
all_result = all(bool_list)
print(any_result)  # 输出: True
print(all_result)  # 输出: False

id():id() 函数用于返回对象的唯一标识号(identity),这个标识号是对象在内存中的地址。

list1 = ["我", "爱", "Python"]
print('我的内存地址值:',id(list1[0]))  # 输出:我的内存地址值: 4660498880
print('爱的内存地址值:', id(list1[1])) # 输出:爱的内存地址值: 4660499040
print('Python的内存地址值:', id(list1[2]))x = 10 # 输出:Python的内存地址值: 4454038064

示例:排序随机数
要对随机生成的数字进行排序,可以使用 Python 的 sorted() 函数或列表对象的 sort() 方法。首先,我们需要生成一组随机数,然后将其排序。

下面是一个示例代码,演示如何生成随机数并对其进行排序:

import random

# 生成包含随机数的列表
random_numbers = [random.randint(1, 100) for _ in range(10)]
print("随机生成的数字列表:", random_numbers) # 输出:随机生成的数字列表: [31, 77, 65, 49, 98, 21, 57, 87, 58, 3]

# 使用 sorted() 函数对列表进行排序(生成新列表)
sorted_numbers = sorted(random_numbers)  # 默认是升序
sorted_numbers_des = sorted(random_numbers, reverse=True) # 降序排列
print("使用 sorted() 函数排序后的列表(升序):", sorted_numbers) # 输出:使用 sorted() 函数排序后的列表(升序): [3, 21, 31, 49, 57, 58, 65, 77, 87, 98]
print("使用 sorted()函数排序后的列表(降序):", sorted_numbers_des) # 输出:使用 sorted()函数排序后的列表(降序): [98, 87, 77, 65, 58, 57, 49, 31, 21, 3]

# 使用 sort() 方法对列表进行排序(就地排序)
random_numbers.sort()# 默认是升序 
print("使用 sort() 方法排序后的列表(升序):", random_numbers)# 输出:使用 sort() 方法排序后的列表(升序): [3, 21, 31, 49, 57, 58, 65, 77, 87, 98] 
random_numbers.sort(reverse=True)# 降序排列
print("使用 sort() 方法排序后的列表(降序):", random_numbers) # 输出:使用 sort() 方法排序后的列表(降序): [98, 87, 77, 65, 58, 57, 49, 31, 21, 3]
# 用max()和min()函数显示最大数和最小数
print('最大的数字:', max(random_numbers)) # 输出:最大的数字: 98
print('最小的数字:', min(random_numbers)) # 输出:最小的数字: 3

在上面的示例中:

我们首先使用 random.randint(a, b) 生成了包含 10 个随机整数的列表。
然后使用 sorted() 函数对列表进行排序,并将结果存储在另一个列表中。
最后,我们使用 sort() 方法对原始列表进行排序。需要注意的是,sort() 方法会直接修改原始列表,而 sorted() 函数会返回一个新的已排序列表。
通过这种方式,你可以生成随机数列表并对其进行排序,无论是保留原始顺序还是在新列表中获取已排序的副本,Python 提供了灵活的方法来处理这些需求。

相关文章
|
11天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
8天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2522 17
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
8天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1525 15
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
4天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
10天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
583 14
|
1月前
|
运维 Cloud Native Devops
一线实战:运维人少,我们从 0 到 1 实践 DevOps 和云原生
上海经证科技有限公司为有效推进软件项目管理和开发工作,选择了阿里云云效作为 DevOps 解决方案。通过云效,实现了从 0 开始,到现在近百个微服务、数百条流水线与应用交付的全面覆盖,有效支撑了敏捷开发流程。
19283 30
|
10天前
|
人工智能 自动驾驶 机器人
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
过去22个月,AI发展速度超过任何历史时期,但我们依然还处于AGI变革的早期。生成式AI最大的想象力,绝不是在手机屏幕上做一两个新的超级app,而是接管数字世界,改变物理世界。
489 49
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
|
1月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
18842 20
|
1月前
|
Rust Apache 对象存储
Apache Paimon V0.9最新进展
Apache Paimon V0.9 版本即将发布,此版本带来了多项新特性并解决了关键挑战。Paimon自2022年从Flink社区诞生以来迅速成长,已成为Apache顶级项目,并广泛应用于阿里集团内外的多家企业。
17530 13
Apache Paimon V0.9最新进展
|
2天前
|
云安全 存储 运维
叮咚!您有一份六大必做安全操作清单,请查收
云安全态势管理(CSPM)开启免费试用
367 4
叮咚!您有一份六大必做安全操作清单,请查收