Python基础知识-数据结构篇

Python 提供了丰富且灵活的内置数据结构，用于高效地组织、存储和操作数据。这些数据结构可分为**可变（mutable）与不可变（immutable）**两大类，并根据其特性适用于不同场景。

以下是 Python 中最核心的 6 种内置数据结构的详细介绍：

---

1. 列表（List） ------ 可变、有序、允许重复

特点：

• 用方括号 [] 定义
• 元素有序（有索引，从 0 开始）
• 允许存储不同类型的数据（如整数、字符串、对象等）
• 可变：支持增删改操作
• 允许重复元素

常见操作：

lst = [1, 'hello', 3.14, True]
lst.append('new')        # 添加元素
lst[0] = 100             # 修改
lst.insert(1, 'x')       # 在位置1插入
lst.pop()                # 删除并返回最后一个元素
lst.remove('hello')      # 删除第一个匹配项
len(lst)                 # 长度

适用场景：

• 需要动态修改的数据集合
• 保持元素插入顺序
• 频繁按索引访问或遍历

⚠️ 注意：列表在头部插入/删除效率低（O(n)），此时可考虑 collections.deque

---

2. 元组（Tuple） ------ 不可变、有序、允许重复

特点：

• 用圆括号 () 定义（也可省略）
• 元素有序、可索引
• 不可变：创建后不能修改内容
• 允许重复、可包含不同类型

示例：

tup = (1, 'a', 3.14)
# tup[0] = 10  # ❌ 报错！不可变
print(tup[1])  # 'a'

优势：

• 比列表更节省内存
• 可作为字典的键（因不可变）
• 线程安全（无并发修改风险）

适用场景：

• 表示固定结构的数据（如坐标 (x, y)、RGB 颜色）
• 函数返回多个值
• 用作字典键或集合元素

---

3. 字典（Dictionary） ------ 可变、无序（Python 3.7+ 保持插入顺序）、键唯一

特点：

• 用花括号 {} 定义，格式为 {key: value}
• 键必须是不可变类型（如 str、int、tuple）
• 值可以是任意类型
• 键唯一，重复赋值会覆盖旧值
• Python 3.7 起，字典保持插入顺序

常见操作：

d = {'name': 'Alice', 'age': 25}
d['city'] = 'Beijing'     # 添加/修改
print(d['name'])          # 访问
del d['age']              # 删除键值对
'name' in d               # 检查键是否存在
d.get('height', 0)        # 安全取值，不存在返回默认值

适用场景：

• 映射关系（如配置项、缓存、JSON 数据）
• 快速查找（平均 O(1) 时间复杂度）

---

4. 集合（Set） ------ 可变、无序、元素唯一

特点：

• 用花括号 {} 定义（但空集合需用 set()）
• 元素无序、不重复
• 元素必须是不可变类型（如数字、字符串、元组）
• 支持数学集合运算（并、交、差、对称差）

示例：

s = {1, 2, 3, 3}   # 自动去重 → {1, 2, 3}
s.add(4)
s.remove(1)
s.discard(10)      # 不存在也不报错

# 集合运算
a = {1, 2, 3}
b = {3, 4, 5}
print(a | b)   # 并集 → {1,2,3,4,5}
print(a & b)   # 交集 → {3}
print(a - b)   # 差集 → {1,2}

适用场景：

• 去重（如 list(set(my_list))）
• 成员快速检测（x in my_set 比列表快得多）
• 数学集合操作

💡 不可变集合：frozenset ------ 可作为字典键或嵌套在其他集合中

---

5. 字符串（String） ------ 不可变、有序、字符序列

特点：

• 用单引号 ' ' 或双引号 " " 定义
• 不可变：任何"修改"操作都会生成新字符串
• 支持索引、切片、遍历
• 是 Unicode 字符序列（Python 3 默认）

常见操作：

s = "Hello"
s[0]        # 'H'
s.upper()   # 'HELLO'（返回新字符串）
'lo' in s   # True
s.split()   # 分割
''.join(['a','b'])  # 拼接

适用场景：

• 文本处理、文件路径、用户输入等

---

6. 其他重要数据结构（来自标准库）

虽然不是"内置"关键字类型，但 Python 标准库提供了更专业的数据结构：

结构	所在模块	特点
deque	collections	双端队列，两端高效插入/删除（O(1)）
Counter	collections	计数器，统计元素出现次数
defaultdict	collections	带默认值的字典，避免 KeyError
namedtuple	collections	带字段名的元组，可读性更强
OrderedDict	collections	显式保持插入顺序（Python 3.7+ 普通 dict 已具备）
heapq	heapq	最小堆实现，用于优先队列
array	array	存储同类型基本数据，比列表更省内存

示例：Counter

from collections import Counter
cnt = Counter(['a', 'b', 'a', 'c'])
print(cnt)  # Counter({'a': 2, 'b': 1, 'c': 1})

---

对比总结表

数据结构	可变？	有序？	允许重复？	典型用途
list	✅	✅	✅	通用序列，动态数组
tuple	❌	✅	✅	固定结构，函数返回值
dict	✅	✅（3.7+）	键❌ / 值✅	键值映射，快速查找
set	✅	❌	❌	去重，成员检测，集合运算
str	❌	✅	✅	文本处理
frozenset	❌	❌	❌	不可变集合，可用作键

---

选择建议

• 需要顺序 + 可修改 → list
• 数据固定不变 → tuple
• 需要键值对应 → dict
• 只关心存在与否/去重 → set
• 处理文本 → str
• 高性能队列 → collections.deque
• 统计频次 → collections.Counter

---

掌握这些数据结构及其特性，是写出高效、清晰 Python 代码的基础。