学习目标

深入学习Python列表的各种方法（排序、反转、查找等），掌握列表推导式、map和filter等函数式编程技巧，通过丰富的实战案例提升列表操作能力！

导语

在上一篇中，我们学习了列表的基础操作：创建、访问、修改。今天，我们将深入探索Python列表的各种方法和高级技巧。

Python的列表是一个非常强大的数据结构，它提供了丰富的方法来操作数据。同时，Python还支持列表推导式这种简洁优雅的语法，让你可以用一行代码完成复杂的列表操作。

让我们一起掌握这些强大的工具，让列表操作变得更加高效！

一、列表方法概览

Python列表提供了丰富的方法，可以分为以下几类：

类别	方法	说明
添加元素	append, insert, extend	在列表末尾或指定位置添加元素
删除元素	remove, pop, clear	删除指定值或索引的元素
查找统计	index, count	查找索引、统计出现次数
排序反转	sort, reverse	排序和反转列表
复制	copy	创建列表副本

1.1 添加元素方法回顾

append - 在末尾添加单个元素

fruits = $apple, banana$

fruits.append(cherry)

print(fruits) # $apple, banana, cherry$

insert - 在指定位置插入

fruits.insert(1, blueberry)

print(fruits) # $apple, blueberry, banana, cherry$

extend - 批量添加（合并列表）

fruits.extend( $date, fig$ )

print(fruits) # $apple, blueberry, banana, cherry, date, fig$

1.2 删除元素方法回顾

remove - 删除第一个匹配的值

numbers = $1, 2, 3, 2, 4$

numbers.remove(2)

print(numbers) # $1, 3, 2, 4$

pop - 删除并返回指定索引的元素（默认最后）

last = numbers.pop()

print(last) # 4

print(numbers) # $1, 3, 2$

clear - 清空列表

numbers.clear()

print(numbers) # \[\]

二、列表排序

2.1 sort() 方法

sort()方法对列表进行原地排序（修改原列表）

numbers = $3, 1, 4, 1, 5, 9, 2, 6$

numbers.sort()

print(numbers) # $1, 1, 2, 3, 4, 5, 6, 9$

降序排序

numbers.sort(reverse=True)

print(numbers) # $9, 6, 5, 4, 3, 2, 1, 1$

2.2 自定义排序（key参数）

fruits = $cherry, apple, Blueberry, banana$

按长度排序

fruits.sort(key=len)

print(fruits) # $apple, cherry, banana, Blueberry$

忽略大小写排序

fruits.sort(key=str.lower)

print(fruits) # $apple, banana, Blueberry, cherry$

2.3 sorted() 函数

sorted()函数返回新列表，不修改原列表

numbers = $3, 1, 4, 1, 5$

sorted_numbers = sorted(numbers)

print(sorted_numbers) # $1, 1, 3, 4, 5$

print(numbers) # $3, 1, 4, 1, 5$ - 原列表不变

sorted同样支持reverse和key

words = $Python, is, awesome$

result = sorted(words, key=len, reverse=True)

print(result) # $awesome, Python, is$

2.4 sort() vs sorted() 对比

特性	list.sort()	sorted()
返回值	None	新列表
修改原列表	是	否
适用对象	仅列表	任何可迭代对象
内存效率	高（原地排序）	低（创建新列表）

三、列表反转

3.1 reverse() 方法

reverse()方法原地反转列表

fruits = $apple, banana, cherry$

fruits.reverse()

print(fruits) # $cherry, banana, apple$

3.2 切片反转

numbers = $1, 2, 3, 4, 5$

reversed_list = numbers $::-1$

print(reversed_list) # $5, 4, 3, 2, 1$

print(numbers) # $1, 2, 3, 4, 5$ - 原列表不变

3.3 reversed() 函数

返回一个反转迭代器，不创建新列表（节省内存）

numbers = $1, 2, 3, 4, 5$

for num in reversed(numbers):

print(num, end= ) # 5 4 3 2 1

转回列表

reversed_list = list(reversed(numbers))

print(reversed_list) # $5, 4, 3, 2, 1$

3.4 三种反转方式对比

方式	修改原列表	返回值	适用场景
list.reverse()	是	None	需要原地反转
list $::-1$	否	新列表	需要新列表
reversed()	否	迭代器	只需遍历，节省内存

四、列表推导式（List Comprehension）

列表推导式是Python中最强大的特性之一，可以用一行代码创建列表

4.1 基本语法

表达式 for 变量 in 可迭代对象

传统方式

squares = \[\]

for x in range(10):

squares.append(x ** 2)

print(squares) # $0, 1, 4, 9, 16, 25, 36, 49, 64, 81$

列表推导式

squares = $x \*\* 2 for x in range(10)$

print(squares) # $0, 1, 4, 9, 16, 25, 36, 49, 64, 81$

4.2 带条件的推导式

表达式 for 变量 in 可迭代对象 if 条件

过滤偶数

evens = $x for x in range(20) if x % 2 == 0$

print(evens) # $0, 2, 4, 6, 8, 10, 12, 14, 16, 18$

过滤 + 转换

result = $x \*\* 2 for x in range(20) if x % 2 == 0$

print(result) # $0, 4, 16, 36, 64, 100, 144, 196, 256, 324$

4.3 嵌套推导式

创建乘法表

table = $\[i \* j for j in range(1, 10)$ for i in range(1, 10)]

for row in table:

print(row)

输出 9x9 乘法表

4.4 多个for循环

组合两个列表

colors = $red, green$

items = $apple, banana$

combinations = $f{c} {i} for c in colors for i in items$

print(combinations)

$red apple, red banana, green apple, green banana$

4.5 推导式 vs 普通循环

特性	列表推导式	普通for循环
代码量	少（一行）	多（多行）
执行速度	快	相对较慢
可读性	简单场景好	复杂逻辑更清晰
适用场景	简单转换过滤	复杂操作

五、函数式编程：map和filter

5.1 map() 函数

对列表每个元素应用函数

语法：map(函数, 可迭代对象)

numbers = $1, 2, 3, 4, 5$

计算平方

squares = list(map(lambda x: x ** 2, numbers))

print(squares) # $1, 4, 9, 16, 25$

使用内置函数

words = $hello, WORLD, Python$

upper_words = list(map(str.upper, words))

print(upper_words) # $HELLO, WORLD, PYTHON$

多个可迭代对象

list1 = $1, 2, 3$

list2 = $10, 20, 30$

sums = list(map(lambda x, y: x + y, list1, list2))

print(sums) # $11, 22, 33$

5.2 filter() 函数

过滤列表元素

语法：filter(函数, 可迭代对象) - 保留函数返回True的元素

numbers = $1, 2, 3, 4, 5, 6, 7, 8, 9, 10$

过滤偶数

evens = list(filter(lambda x: x % 2 == 0, numbers))

print(evens) # $2, 4, 6, 8, 10$

过滤非空字符串

words = $hello, , world, , python$

non_empty = list(filter(None, words))

print(non_empty) # $hello, world, python$

5.3 map/filter vs 列表推导式

map + filter 组合

numbers = range(20)

result = list(map(lambda x: x ** 2, filter(lambda x: x % 2 == 0, numbers)))

等价的列表推导式（更简洁）

result = $x \*\* 2 for x in range(20) if x % 2 == 0$

两者结果相同： $0, 4, 16, 36, 64, 100, 144, 196, 256, 324$

**建议：**简单操作优先使用列表推导式，复杂逻辑可使用map/filter

六、其他实用技巧

6.1 enumerate() 枚举

同时获取索引和值

fruits = $apple, banana, cherry$

for index, fruit in enumerate(fruits):

print(f{index}: {fruit})

0: apple

1: banana

2: cherry

指定起始索引

for index, fruit in enumerate(fruits, start=1):

print(f{index}. {fruit})

1. apple

2. banana

3. cherry

6.2 zip() 打包多个列表

names = $Alice, Bob, Charlie$

ages = $25, 30, 35$

cities = $NYC, LA, Chicago$

for name, age, city in zip(names, ages, cities):

print(f{name}, {age}岁, {city})

长度不一致时，以最短为准

list1 = $1, 2, 3$

list2 = $a, b$

print(list(zip(list1, list2))) # $(1, a), (2, b)$

6.3 any() 和 all()

any() - 任一元素为真则返回True

numbers = $0, 0, 1, 0$

print(any(numbers)) # True

all() - 所有元素为真才返回True

numbers = $1, 2, 3, 4$

print(all(numbers)) # True

实际应用

scores = $85, 90, 78, 92$

是否全部及格

all_pass = all(s >= 60 for s in scores)

是否有优秀

has_excellent = any(s >= 90 for s in scores)

6.4 sum(), min(), max()

numbers = $3, 1, 4, 1, 5$

print(sum(numbers)) # 14

print(min(numbers)) # 1

print(max(numbers)) # 5

sum的初始值

print(sum(numbers, 100)) # 114（从100开始加）

七、实战案例

7.1 数据处理流水线

原始数据

raw_data = $100, 200, N/A, 300, invalid, 400, , 500$

清理数据：提取数字

cleaned = \[\]

for item in raw_data:

try:

num = int(item)

cleaned.append(num)

except (ValueError, TypeError):

pass

print(cleaned) # $100, 200, 300, 400, 500$

使用列表推导式（更简洁）

cleaned = $int(x) for x in raw_data if isinstance(x, (int, str)) and str(x).isdigit()$

7.2 学生成绩统计

students = [

{name: Alice, scores: $85, 90, 88$ },

{name: Bob, scores: $78, 82, 80$ },

{name: Charlie, scores: $92, 95, 94$ }

]

计算平均分并排序

averages = [

{name: s $name$ , avg: sum(s $scores$ ) / len(s $scores$ )}

for s in students

]

averages.sort(key=lambda x: x $avg$ , reverse=True)

for student in averages:

print(f{student $name$ }: {student $avg$ :.2f})

7.3 扁平化嵌套列表

将嵌套列表展开为一维列表

nested = $\[1, 2, 3$ , $4, 5$ , $6, 7, 8, 9$ ]

方法1：使用推导式

flat = $item for sublist in nested for item in sublist$

print(flat) # $1, 2, 3, 4, 5, 6, 7, 8, 9$

方法2：使用sum（不推荐大数据量）

flat = sum(nested, \[\])

方法3：使用itertools

import itertools

flat = list(itertools.chain.from_iterable(nested))

7.4 查找最值及索引

scores = $85, 92, 78, 95, 88, 91$

找最大值及其索引

max_score = max(scores)

max_index = scores.index(max_score)

print(f最高分：{max_score}，位置：{max_index})

找最小值及其索引

min_score = min(scores)

min_index = scores.index(min_score)

print(f最低分：{min_score}，位置：{min_index})

找前3名（排序后取前3）

top3 = sorted(scores, reverse=True) $:3$

print(f前3名：{top3})

7.5 列表去重并保持顺序

def unique_ordered(items):

seen = set()

result = \[\]

for item in items:

if item not in seen:

seen.add(item)

result.append(item)

return result

numbers = $1, 2, 2, 3, 3, 3, 4, 2, 1$

print(unique_ordered(numbers)) # $1, 2, 3, 4$

Python 3.7+ 简洁写法

def unique_ordered_v2(items):

return list(dict.fromkeys(items))

7.6 旋转列表

def rotate_left(lst, k):

向左旋转k位

k = k % len(lst) # 处理k大于长度的情况

return lst $k:$ + lst $:k$

def rotate_right(lst, k):

向右旋转k位

k = k % len(lst)

return lst $-k:$ + lst $:-k$

numbers = $1, 2, 3, 4, 5$

print(rotate_left(numbers, 2)) # $3, 4, 5, 1, 2$

print(rotate_right(numbers, 2)) # $4, 5, 1, 2, 3$

7.7 分组

将列表按指定大小分组

def chunk(lst, size):

return $lst\[i:i+size$ for i in range(0, len(lst), size)]

numbers = $1, 2, 3, 4, 5, 6, 7, 8, 9, 10$

print(chunk(numbers, 3))

$\[1, 2, 3$ , $4, 5, 6$ , $7, 8, 9$ , $10$ ]

八、小结

今天我们深入学习了Python列表的各种方法和高级技巧：

**✅ 列表方法：**sort/sorted排序、reverse反转、index查找、count统计

✅ 列表推导式： $x for x in iterable if condition$

**✅ 函数式编程：**map、filter、lambda表达式

**✅ 实用函数：**enumerate、zip、any、all、sum、min、max

**✅ 实战技巧：**数据处理、扁平化、去重、旋转、分组

💡 性能建议：

简单操作优先使用列表推导式，代码更简洁高效
大数据量时，使用生成器表达式替代列表推导式节省内存
sort()原地排序比sorted()更高效（不需要创建新列表）
需要同时遍历索引和值时，使用enumerate()
多个列表并行遍历时，使用zip()

九、课后练习与答案

练习1：排序

题目：

words = $python, java, C++, javascript, go$

按字母顺序排序（不区分大小写）
按字符串长度排序
获取排序后的新列表（不修改原列表）

答案：

words = $python, java, C++, javascript, go$

1. 按字母排序（不区分大小写）

words.sort(key=str.lower)

print(words) # $C++, go, java, javascript, python$

2. 按长度排序

words.sort(key=len)

print(words) # $go, C++, java, python, javascript$

3. 获取新列表

sorted_words = sorted(words)

print(sorted_words) # 新列表

print(words) # 原列表不变

练习2：列表推导式

题目：

创建1-100中能被3整除的数的列表
将字符串列表转为大写：words = $hello, world$
提取嵌套列表的所有偶数：nested = $\[1, 2$ , $3, 4$ , $5, 6$ ]

答案：

1. 能被3整除

result = $x for x in range(1, 101) if x % 3 == 0$

print(result) # $3, 6, 9, ... 99$

2. 转为大写

words = $hello, world$

upper_words = $w.upper() for w in words$

print(upper_words) # $HELLO, WORLD$

3. 提取偶数

nested = $\[1, 2$ , $3, 4$ , $5, 6$ ]

evens = $x for sub in nested for x in sub if x % 2 == 0$

print(evens) # $2, 4, 6$

练习3：map和filter

题目：

numbers = $1, 2, 3, 4, 5, 6, 7, 8, 9, 10$

使用map计算每个数的平方
使用filter过滤出奇数
组合map和filter：先过滤偶数，再计算平方

答案：

numbers = $1, 2, 3, 4, 5, 6, 7, 8, 9, 10$

1. 计算平方

squares = list(map(lambda x: x ** 2, numbers))

print(squares) # $1, 4, 9, 16, 25, 36, 49, 64, 81, 100$

2. 过滤奇数

odds = list(filter(lambda x: x % 2 == 1, numbers))

print(odds) # $1, 3, 5, 7, 9$

3. 组合使用

result = list(map(lambda x: x ** 2, filter(lambda x: x % 2 == 0, numbers)))

print(result) # $4, 16, 36, 64, 100$

更简洁的写法（列表推导式）

result = $x \*\* 2 for x in numbers if x % 2 == 0$

练习4：enumerate和zip

题目：

names = $Alice, Bob, Charlie$

scores = $85, 90, 78$

使用enumerate打印带序号的学生名单
使用zip将姓名和分数对应起来
找出分数最高的学生

答案：

names = $Alice, Bob, Charlie$

scores = $85, 90, 78$

1. 带序号

for i, name in enumerate(names, 1):

print(f{i}. {name})

2. 对应起来

for name, score in zip(names, scores):

print(f{name}: {score})

3. 找最高分

max_score = max(scores)

max_index = scores.index(max_score)

print(f最高分：{names $max_index$ } - {max_score})

练习5：any和all

题目：

scores = $85, 90, 55, 78, 92$

判断是否全部及格（>=60）
判断是否有优秀（>=90）
判断是否有不及格

答案：

scores = $85, 90, 55, 78, 92$

1. 全部及格

all_pass = all(s >= 60 for s in scores)

print(f全部及格：{all_pass}） # False

2. 有优秀

has_excellent = any(s >= 90 for s in scores)

print(f有优秀：{has_excellent}） # True

3. 有不及格

has_fail = any(s < 60 for s in scores)

print(f有不及格：{has_fail}） # True

练习6：综合练习

题目：

给定字符串列表，要求：

过滤掉长度小于3的字符串
将剩余字符串转为大写
按字母顺序排序
用一行代码完成

答案：

words = $hi, hello, a, python, go, world, code$

一行代码

result = sorted( $w.upper() for w in words if len(w) \>= 3$ )

print(result) # $CODE, HELLO, PYTHON, WORLD$

分步写法

filtered = $w for w in words if len(w) \>= 3$ # $hello, python, world, code$

uppered = $w.upper() for w in filtered$ # $HELLO, PYTHON, WORLD, CODE$

result = sorted(uppered) # $CODE, HELLO, PYTHON, WORLD$

十、下篇预告

第11篇：《Python元组：不可变序列的使用场景》

在下一篇中，我们将学习Python的另一个重要序列类型------元组：

元组的创建和基本操作
元组与列表的区别
元组的不可变性
元组的性能优势
元组的使用场景
元组解包

敬请期待！

系列文章目录：点击关注，持续更新中...

VIP专属：加入VIP，获取更多进阶内容和完整源码！

如果觉得有帮助，请点赞 + 收藏 + 关注

你的支持是我持续创作的动力！

本文为本系列第10篇，带你从零基础到Python实战！

【Python零基础入门】第10篇：Python列表方法与应用实例

学习目标

导语

一、列表方法概览

1.1 添加元素方法回顾

append - 在末尾添加单个元素

insert - 在指定位置插入

extend - 批量添加（合并列表）

1.2 删除元素方法回顾

remove - 删除第一个匹配的值

pop - 删除并返回指定索引的元素（默认最后）

clear - 清空列表

二、列表排序

2.1 sort() 方法

降序排序

2.2 自定义排序（key参数）

按长度排序

忽略大小写排序

2.3 sorted() 函数

sorted同样支持reverse和key

2.4 sort() vs sorted() 对比

三、列表反转

3.1 reverse() 方法

3.2 切片反转

3.3 reversed() 函数

转回列表

3.4 三种反转方式对比

四、列表推导式（List Comprehension）

4.1 基本语法

传统方式

列表推导式

4.2 带条件的推导式

过滤偶数

过滤 + 转换

4.3 嵌套推导式

创建乘法表

输出 9x9 乘法表

4.4 多个for循环

组合两个列表

red apple, red banana, green apple, green banana

4.5 推导式 vs 普通循环

五、函数式编程：map和filter

5.1 map() 函数

语法：map(函数, 可迭代对象)

计算平方

使用内置函数

多个可迭代对象

5.2 filter() 函数

语法：filter(函数, 可迭代对象) - 保留函数返回True的元素

过滤偶数

过滤非空字符串

5.3 map/filter vs 列表推导式

map + filter 组合

等价的列表推导式（更简洁）

两者结果相同：0, 4, 16, 36, 64, 100, 144, 196, 256, 324

六、其他实用技巧

6.1 enumerate() 枚举

0: apple

1: banana

2: cherry

指定起始索引

1. apple

2. banana

3. cherry

6.2 zip() 打包多个列表

长度不一致时，以最短为准

6.3 any() 和 all()

any() - 任一元素为真则返回True

all() - 所有元素为真才返回True

实际应用

是否全部及格

是否有优秀

6.4 sum(), min(), max()

sum的初始值

七、实战案例

7.1 数据处理流水线

原始数据

清理数据：提取数字

使用列表推导式（更简洁）

7.2 学生成绩统计

$red apple, red banana, green apple, green banana$

两者结果相同： $0, 4, 16, 36, 64, 100, 144, 196, 256, 324$

$\[1, 2, 3$ , $4, 5, 6$ , $7, 8, 9$ , $10$ ]