Python 的数据结构实战——List、Dict、Set 与 List Comprehension

Python 的数据结构实战------List、Dict、Set 与 List Comprehension

写给习惯 ArrayList、HashMap 和 Stream API 的你

本文是《从 Java 到 Python：一位后端工程师的零基础学习之旅》系列的第六篇。

在 Java 中，我们依赖 ArrayList、HashMap、HashSet 等集合类处理数据，

配合 Stream API 实现过滤、映射、聚合等操作------代码虽强，但往往需要多行。

而在 Python 中，列表（List）、字典（Dict）、集合（Set） 不仅是基础数据结构，

更是语言级的"第一公民"，配合列表推导式（List Comprehension） ，
一行代码就能完成 Java 中需要 stream().filter().map().collect()的复杂逻辑。

今天，我们就深入这三大核心数据结构，并体验 Python 如何用更简洁、更可读的方式处理数据。

一、List：不只是"动态数组"

Java 对应：`ArrayList<T>`

java 复制代码

List<String> fruits = new ArrayList<>();
fruits.add("apple");
fruits.add("banana");
System.out.println(fruits.size()); // 2

Python List：

python 复制代码

fruits = ["apple", "banana"]
fruits.append("cherry")
print(len(fruits))  # 3

🔍 核心特性：

异构容器：可混合不同类型（但建议保持一致）

python 复制代码

mixed = [1, "hello", True, [2, 3]]  # 合法，但不推荐

切片（Slicing）：强大子集操作

python 复制代码

nums = [0, 1, 2, 3, 4]
print(nums[1:4])    # [1, 2, 3]
print(nums[::-1])   # [4, 3, 2, 1, 0]（反转）

💡 对比 Java：

Java 需用 subList() 或手动循环，Python 切片是内置语法，高效且易读。

二、Dict：JSON 就是字典，字典就是对象

Java 对应：`HashMap<K, V>` 或 `JsonObject`

java 复制代码

Map<String, Object> user = new HashMap<>();
user.put("name", "Alice");
user.put("age", 25);

Python Dict：

python 复制代码

user = {
    "name": "Alice",
    "age": 25,
    "active": True
}
print(user["name"])        # Alice
print(user.get("email"))   # None（安全访问）

✅ Dict 是 Python 的核心：

API 请求/响应常直接转为 dict（无需 POJO）
配置、缓存、上下文传递都用 dict
关键字参数（ **kwargs）底层就是 dict

💡 你熟悉的 JSON，在 Python 中就是 dict + list 的组合！

三、Set：去重与集合运算

Java 对应：`HashSet<T>`

java 复制代码

Set<String> tags = new HashSet<>();
tags.add("python");
tags.add("java");

Python Set：

java 复制代码

tags = {"python", "java", "python"}  # 自动去重 → {"python", "java"}

✅ 支持数学集合操作：

python 复制代码

a = {1, 2, 3}
b = {3, 4, 5}

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

🌟 用途：快速去重、成员检查（O(1) 时间复杂度）

python 复制代码

if "python" in tags:  # 比 list 的 in 快得多
    print("Tag exists")

四、List Comprehension：Python 的"表达力核武器"

这是 Java 开发者最容易"哇塞"的特性！

场景：从用户列表中提取所有活跃用户的姓名（大写）

Java（Stream API）：

python 复制代码

List<String> activeNames = users.stream()
    .filter(user -> user.isActive())
    .map(user -> user.getName().toUpperCase())
    .collect(Collectors.toList());

Python（列表推导式）：

python 复制代码

active_names = [user["name"].upper() for user in users if user["active"]]

✅ 一行完成过滤 + 映射

✅ 语法贴近自然语言："对每个 user，如果 active，取 name 并转大写"

五、Tuple：不可变的轻量结构

Java 对应：无直接等价物（可用 `record` 或 `Pair`）

python 复制代码

record Point(int x, int y) {}

Python Tuple：

python 复制代码

point = (10, 20)
x, y = point  # 解包（unpacking）
print(x, y)   # 10 20

✅ 特点：

不可变（创建后不能修改）
可作为 dict 的 key（list 不行）
函数多返回值的底层载体

📌 建议：当数据结构简单且不变时，优先用 tuple 而非 list。

六、实战：用 Python 数据结构重构你的 Java 逻辑

假设你在 Java 中有如下逻辑：

java 复制代码

// 从用户列表中找出所有 VIP 用户的邮箱（去重）
Set<String> vipEmails = users.stream()
    .filter(u -> "VIP".equals(u.getRole()))
    .map(User::getEmail)
    .collect(Collectors.toSet());

Python 版本：

java 复制代码

vip_emails = {user["email"] for user in users if user.get("role") == "VIP"}

✅ 一行完成：过滤 + 映射 + 去重

✅ 使用 集合推导式 ，天然去重

✅ 用 .get("role") 避免 KeyError（类似 Java 的 null-safe）

七、性能与选择建议

|---------|--------------|----------------------------|
| 结构 | 适用场景 | 时间复杂度（平均） |
| list | 有序、可变、允许重复 | append: O(1), in: O(n) |
| dict | 键值映射、快速查找 | get/set: O(1) |
| set | 去重、成员检查 | in/add: O(1) |
| tuple | 不可变序列、作为 key | 同 list，但不可变 |

📌 黄金法则：

需要映射关系 ？→ 用 dict
需要去重或快速检查存在 ？→ 用 set
需要顺序 + 可变 ？→ 用 list
需要不可变序列 ？→ 用 tuple

结语：数据结构即语言

Java 的集合是"库提供的工具"，

而 Python 的 List/Dict/Set 是"语言内置的思维单元"。

当你开始用 {k: v for ...} 构建配置，

用 [x for x in ... if ...] 过滤日志，

用 set(a) & set(b) 求交集，

你会发现：Python 的数据处理，不是在"调用方法"，而是在"描述逻辑"。

这种表达力，正是 Python 在数据科学、AI、脚本自动化领域不可撼动的原因。

下一篇预告 ：《异常处理与文件操作------try/except vs try/catch，with open 的优雅之道》

我们将对比异常处理机制，并掌握 Python 中"上下文管理器（Context Manager）"如何自动释放资源。

Python 的数据结构实战——List、Dict、Set 与 List Comprehension