Python列表与字典怎么用？零基础掌握常用数据结构操作

一、列表（List）：有序集合的核心操作与索引机制

列表是 Python 中最常用的有序序列容器，使用中括号 [ ] 声明。它允许存放任意类型的对象，并且元素保持插入时的前后次序，同一个元素也可以重复出现。当需要记录一串按时间发生的事件、排队的任务或具有批处理特征的数据集时，列表是首选。

1. 声明与正反向双向索引

Python 列表具备优雅的双向索引机制：正向索引从 0 开始依序增加，代表第 1 个元素；负向索引从 -1 开始从尾部倒数，-1 即为最后一个元素。利用该机制无需提前计算长度就能安全获取末尾数据。

# 1. 列表声明（可包含相同元素与混合类型）
languages = ['Python', 'Java', 'Rust', 'Go', 'C++']

# 2. 索引读取
first_item = languages[0]    # 示例输出: 'Python'
last_item = languages[-1]    # 示例输出: 'C++'
third_item = languages[2]    # 示例输出: 'Rust'

# 3. 原地修改元素
languages[1] = 'TypeScript'  # 替换索引为 1 的元素
# languages 现在为: ['Python', 'TypeScript', 'Rust', 'Go', 'C++']

2. 元素的动态增删改查

列表的长度是动态可变的，Python 提供了高度优化的内置方法来维护列表元素：

• 追加与插入：append(x) 将元素直接追加到列表末端，执行极快；insert(i, x) 将元素插入到指定索引位置，其后所有元素会顺延后移。
• 删除元素：pop(i) 移除并返回指定索引的元素（缺省参数时弹出末尾元素）；remove(x) 则根据元素的值查找并删除首个匹配项；del 关键字亦可按索引删除。
• 批量合并：extend(iterable) 可以将另一个序列中的所有元素整体追加到当前列表中，与单个 append 插入完整列表有本质区别。

tasks = ['数据清洗', '特征提取']

# 追加元素至末尾
tasks.append('模型训练')          # ['数据清洗', '特征提取', '模型训练']

# 指定位置插入
tasks.insert(1, '探索性分析')      # ['数据清洗', '探索性分析', '特征提取', '模型训练']

# 弹出末尾元素并接收
finished = tasks.pop()           # 返回 '模型训练'

# 根据值删除指定项
tasks.remove('探索性分析')

# 列表批量合并
tasks.extend(['模型调优', '指标评估'])
# 最终 tasks: ['数据清洗', '特征提取', '模型调优', '指标评估']

3. 列表切片（Slicing）：灵活截取子序列

切片是列表最强大的特性之一，通用语法为 list[start:end:step]，遵循“左闭右开”原则（包含 start，但不包含 end）。

scores = [85, 92, 78, 64, 99, 88, 76]

top_three = scores[0:3]     # 截取前 3 项: [85, 92, 78]
sub_list = scores[2:5]      # 截取索引 2 到 4: [78, 64, 99]
every_second = scores[::2]  # 步长为 2 隔位抽样: [85, 78, 99, 76]
reversed_list = scores[::-1] # 步长为 -1 实现列表翻转

二、字典（Dictionary）：键值对映射与常数级极速查找

字典是 Python 中基于哈希表（Hash Table）实现的键值对容器，使用大括号 { } 声明，每一项由“键（Key）”和“值（Value）”组成，形式为 key: value。字典的核心使命是建立语义属性与数据的直接关联，实现无论总数据量多大都能在近乎常数时间 $O(1)$ 内找到目标。

1. 键（Key）的核心要求与声明

理解字典的关键在于理解“键”的约束：

• 键必须唯一：若重复对同一个键赋值，新值将直接覆盖旧值。
• 键必须是不可变对象（Hashable）：字符串、整数、浮点数、元组（内含不可变对象）可以作为键；而列表、字典、集合等可变容器绝不能作为键，否则会触发 TypeError: unhashable type: 'list'。
• 值（Value）不受限制：值可以是任意数据类型，包括嵌套的列表、字典甚至函数。

# 字典的基础定义
student = {
    'id': 20260101,
    'name': '李雷',
    'major': '计算机科学',
    'scores': [88, 95, 91]  # 值为列表
}

# 新增与修改（语法完全一致）
student['grade'] = '大三'    # 键不存在，新增键值对
student['major'] = '软件工程' # 键已存在，直接更新值

2. 安全读取：方括号索引 vs .get() 方法

读取字典数据有两种方式，在实际开发中有截然不同的稳健性差异：

user = {'username': 'coder_dev', 'status': 'active'}

# 方式一：中括号直接取值（键不存在时直接崩溃）
print(user['username'])  # 示例输出: 'coder_dev'
# print(user['email'])   # 抛出 KeyError: 'email'！程序崩溃中断

# 方式二：.get() 友好防崩取值（推荐）
email = user.get('email')              # 键不存在返回 None，绝不报错
role = user.get('role', 'standard_user') # 可提供默认缺省值
print(role)                            # 示例输出: 'standard_user'

3. 字典的遍历技巧

Python 字典提供了 keys()、values() 以及 items() 三种视图对象，其中 items() 能够同时解包获取键与值，是日常遍历最规范的书写方式。

config = {'host': '127.0.0.1', 'port': 8080, 'debug': True}

# 同时获取键与值
for key, value in config.items():
    print(f"配置项: {key} -> 当前值: {value}")

# 示例输出:
# 配置项: host -> 当前值: 127.0.0.1
# 配置项: port -> 当前值: 8080
# 配置项: debug -> 当前值: True

三、实战选型与嵌套组合：何时用列表，何时用字典？

初学者常困惑于何时使用列表、何时使用字典。简明判断法是：如果数据关注的是次序、排队、位置索引，用列表；如果数据关注的是属性名、标签对照、唯一标记快速检索，用字典。而在真实开发中，二者往往结合使用。

场景演练：列表与字典的高频嵌套模式

模式一：列表嵌套字典（表格型数据）。这对应现实世界中的数据行，每一行都是一个具有相同属性结构的字典实体：

# 员工信息列表（非常贴合数据库查询或 Excel 数据）
employees = [
    {'id': 101, 'name': '张三', 'department': '技术部', 'salary': 15000},
    {'id': 102, 'name': '李四', 'department': '市场部', 'salary': 12000},
    {'id': 103, 'name': '王五', 'department': '技术部', 'salary': 18000}
]

# 业务过滤：统计技术部员工的平均工资
tech_salaries = [emp['salary'] for emp in employees if emp['department'] == '技术部']
avg_salary = sum(tech_salaries) / len(tech_salaries)
print(f"技术部平均薪资: {avg_salary}")  # 示例输出: 16500.0

模式二：字典嵌套列表（分类归档数据）。以标签或分类为键，将同类对象归入列表之中：

# 按省份聚合城市列表
regions = {
    '广东省': ['广州', '深圳', '珠海'],
    '浙江省': ['杭州', '宁波', '温州']
}

# 新增某个省份的新城市
regions['广东省'].append('佛山')
print(regions['广东省'])  # 示例输出: ['广州', '深圳', '珠海', '佛山']

四、核心操作全景对比与速查总结

下表与图示全面总结了 Python 列表与字典在定义语法、读写访问、增删改查以及成员检测等维度的具体差异与适用建议：