Python 数据结构速成教程

在 Python 中，数据结构是组织和存储数据的方式，不同的数据结构适用于不同的场景。下面将深入介绍 Python 中常见的数据结构，包括它们的应用场景、优势和劣势。

1. 列表（List）

定义和基本操作

列表是 Python 中最常用的数据结构之一，它是一个可变的、有序的元素集合。列表可以包含不同类型的元素，使用方括号 [] 来定义。

# 创建一个列表
my_list = [1, 2, 3, 'apple', 'banana']

# 访问列表元素
print(my_list[0])  # 输出: 1

# 修改列表元素
my_list[1] = 20
print(my_list)  # 输出: [1, 20, 3, 'apple', 'banana']

# 添加元素
my_list.append('cherry')
print(my_list)  # 输出: [1, 20, 3, 'apple', 'banana', 'cherry']

# 删除元素
del my_list[2]
print(my_list)  # 输出: [1, 20, 'apple', 'banana', 'cherry']

应用场景

• 数据收集：当需要收集一系列数据时，列表非常有用。例如，收集用户输入的一组数字。
• 动态数据：如果数据的数量和内容会动态变化，列表可以方便地进行添加、删除和修改操作。

优势

• 灵活性：可以包含不同类型的元素，并且可以动态调整大小。
• 易于操作：提供了丰富的方法，如 append()、extend()、remove() 等，方便对列表进行操作。

劣势

• 性能问题：在列表的开头插入或删除元素的效率较低，因为需要移动后续的所有元素。
• 内存开销：列表需要额外的内存来存储元素的引用和列表的元数据。

2. 元组（Tuple）

定义和基本操作

元组是一个不可变的、有序的元素集合，使用圆括号 () 来定义。 

# 创建一个元组
my_tuple = (1, 2, 3, 'apple', 'banana')

# 访问元组元素
print(my_tuple[0])  # 输出: 1

# 元组是不可变的，以下操作会报错
# my_tuple[1] = 20  # TypeError: 'tuple' object does not support item assignment

应用场景

• 数据保护：当需要确保数据不被修改时，元组是一个很好的选择。例如，函数的返回值可以使用元组来保证数据的安全性。
• 作为字典的键：由于元组是不可变的，它可以作为字典的键，而列表则不行。

优势

• 不可变性：保证数据的安全性，避免意外修改。
• 性能优势：元组的创建和访问速度比列表快，因为不需要额外的内存来处理可变操作。

劣势

• 不灵活：一旦创建，元组的内容就不能修改，不适合需要动态变化的数据。

 3. 集合（Set）

定义和基本操作

集合是一个无序的、唯一的元素集合，使用花括号 {} 或 set() 函数来定义。

# 创建一个集合
my_set = {1, 2, 3, 3, 4}  # 重复的元素会被自动去除
print(my_set)  # 输出: {1, 2, 3, 4}

# 添加元素
my_set.add(5)
print(my_set)  # 输出: {1, 2, 3, 4, 5}

# 删除元素
my_set.remove(3)
print(my_set)  # 输出: {1, 2, 4, 5}

# 集合运算
set1 = {1, 2, 3}
set2 = {3, 4, 5}
print(set1.union(set2))  # 并集，输出: {1, 2, 3, 4, 5}
print(set1.intersection(set2))  # 交集，输出: {3}
print(set1.difference(set2))  # 差集，输出: {1, 2}

应用场景

• 去重：当需要去除列表中的重复元素时，可以将列表转换为集合。
• 集合运算：进行交集、并集、差集等运算，例如在数据库查询中筛选出符合条件的数据。

优势

• 唯一性：自动去除重复元素，确保数据的唯一性。
• 高效的查找：集合使用哈希表实现，查找元素的时间复杂度为 O。

劣势

• 无序性：集合是无序的，不能通过索引访问元素。
• 只能存储可哈希的元素：集合中的元素必须是可哈希的，因此不能包含列表等可变对象。

 4. 字典（Dictionary）

定义和基本操作

字典是一个无序的键值对集合，使用花括号 {} 来定义，每个键值对用冒号 : 分隔。

# 创建一个字典
my_dict = {'name': 'John', 'age': 30, 'city': 'New York'}

# 访问字典元素
print(my_dict['name'])  # 输出: John

# 修改字典元素
my_dict['age'] = 31
print(my_dict)  # 输出: {'name': 'John', 'age': 31, 'city': 'New York'}

# 添加元素
my_dict['job'] = 'Engineer'
print(my_dict)  # 输出: {'name': 'John', 'age': 31, 'city': 'New York', 'job': 'Engineer'}

# 删除元素
del my_dict['city']
print(my_dict)  # 输出: {'name': 'John', 'age': 31, 'job': 'Engineer'}

 应用场景

• 数据映射：当需要根据某个键来查找对应的值时，字典非常有用。例如，存储用户信息，通过用户 ID 查找用户的详细信息。
• 统计频率：可以使用字典来统计列表中每个元素的出现频率。

优势

• 高效的查找：字典使用哈希表实现，查找元素的时间复杂度为 O。
• 灵活的键值对：键可以是任意不可变类型，值可以是任意类型。

劣势

• 内存开销：字典需要额外的内存来存储哈希表，因此对于大量数据，内存开销较大。
• 无序性：Python 3.6 之前，字典是无序的，虽然 3.6 及以后版本保证了插入顺序，但仍然不适合需要有序访问的场景。 

总结

 在实际编程中，根据具体的需求选择合适的数据结构可以提高代码的效率和可读性。