Python 四大核心数据结构：列表、元组、字典与集合

一、列表（List）—— 有序可变序列

列表是 Python 中最灵活且常用的数据结构，支持动态扩容、元素增删与顺序访问。

第 1 步：初始化与索引操作

目的：创建列表并通过索引或切片获取元素。

1. 入口：直接在代码中使用方括号 [] 定义列表，或调用 list() 转换可迭代对象。
2. 动作：products = ["手机", "笔记本", "耳机", "鼠标"] 创建初始列表。
3. 参数与完成状态：使用正数索引（如 products[0]）获取首个元素；使用负数索引（如 products[-1]）获取末尾元素；使用切片语法（如 products[-2:]）获取最后两个元素组成的子列表。

第 2 步：添加、修改与删除元素

目的：对现有列表进行动态更新。

1. 入口：使用内置方法 append()、insert()、pop() 或直接赋值。
2. 动作：products.append("键盘") 在末尾追加；products.insert(2, "显示器") 在指定索引插入；removed_item = products.pop(3) 移除并返回指定位置元素；products[1] = "游戏本" 直接覆盖原值。
3. 重要参数：insert(index, object) 中的 index 可为负数，表示从后向前计数。
4. 完成状态：列表大小和内容随操作实时变更，后续 print 输出反映最新状态。

第 3 步：排序、反转与列表推导式

目的：对列表中元素进行重组与过滤。

nums = [3, 1, 4, 1, 5, 9]

# 原地升序排列
nums.sort()                     
# 原地反转列表
nums.reverse()                  

# 使用列表推导式生成新列表
squares = [x**2 for x in nums if x > 3]
print(squares)  # [81, 25, 16]

# 清除所有元素
nums.clear()

注意：sort() 和 reverse() 会修改原列表；若需不改变原列表的结果，可使用内建函数 sorted()。

二、元组（Tuple）—— 不可变有序序列

元组与列表类似，但其元素在创建后无法被修改、增加或删除，具有更好的安全性。

第 1 步：定义与解包

目的：安全存储固定组合的数据，便于结构化传递。

# 定义坐标元组
point = (10, 20)

# 索引访问
x_coord = point[0]   # 10
y_coord = point[1]   # 20

# 多变量解包
x, y = point
print(f"坐标位置: ({x}, {y})")

第 2 步：转换与函数返回

目的：在列表与元组间转换以实现灵活操作，或利用元组返回多个值。

1. 入口：list() 和 tuple() 类型转换器。
2. 动作：将元组转为列表后执行修改，再转回元组保存。new_point = tuple(list(point))
3. 函数多返回值：Python 函数可通过返回元组来实现多值返回。return 1920, 1080 等价于 return (1920, 1080)，调用端可再次解包接收。

三、字典（Dict）—— 无序键值对映射

字典通过键（Key）快速定位对应的值（Value），查找效率极高。

第 1 步：创建与安全存取

目的：构建键值对映射，并防止因键不存在导致的异常。

student = {
    "name": "张三",
    "age": 18,
}

# 安全获取，键不存在时返回默认值 0
score = student.get("score", 0)

# 使用 del 关键字删除特定键值对
del student["age"]

# 遍历所有键值对
for key, value in student.items():
    print(f"{key}: {value}")

第 2 步：合并与推导式

目的：高效整合多个字典或使用现有数据构造新字典。

grades = {"数学": 90, "英语": 85}
extra_grades = {"编程": 95, "物理": 88}

# update() 方法原地合并另一个字典
grades.update(extra_grades)

# 字典推导式：筛选及格科目
passed = {subject: score for subject, score in grades.items() if score >= 85}

四、集合（Set）—— 无序唯一元素容器

集合用于存储不重复的元素，支持高效的交集、并集和差集运算。

第 1 步：初始化与基础运算

目的：利用集合自动去重的特性并进行集合逻辑计算。

A = {1, 2, 3, 4}
B = {3, 4, 5, 6}

print(A | B)  # 并集: {1, 2, 3, 4, 5, 6}
print(A - B)  # 差集: {1, 2}
print(A ^ B)  # 对称差集: {1, 2, 5, 6}

第 2 步：元素的增减与推导式

目的：动态维护集合元素并生成新集合。

1. 入口：add(), remove(), discard() 方法。
2. 动作：A.add(5) 添加元素；A.discard(2) 安全移除元素（不存在则静默忽略）。
3. 集合推导式：{expression for item in iterable if condition}，结构与列表推导式类似。

五、实战应用：多数据结构协同清洗数据

以下工具函数展示了如何在一次遍历中综合利用四种数据结构完成数据去重、统计和记录。

def data_cleaner(raw_data):
    cleaned_list = []   # 记录有效数据顺序
    seen_set = set()     # 用于 O(1) 时间复杂度的查重
    counter_dict = {}    # 统计每个元素出现次数
    
    for item in raw_data:
        if item not in seen_set:       # 利用集合的高效查找
            cleaned_list.append(item)   # 按首次出现顺序保留
            seen_set.add(item)
        
        # 字典累加计数器
        counter_dict[item] = counter_dict.get(item, 0) + 1
        
    # 元组存储无变化的元信息
    meta_info = (len(raw_data), len(cleaned_list))
    
    return {
        "cleaned_data": cleaned_list,
        "frequency": counter_dict,
        "metadata": meta_info
    }

六、核心特性与性能速查

下表总结了四种数据结构的关键特性与操作耗时。

* O(1): 均摊复杂度，尾部追加/弹出最快。 ** 假设哈希函数表现良好，最坏情况可能退化为 O(n)。

七、选型原则与最佳实践

合理选择数据结构是编写高效 Python 程序的基础。

• 选择列表：当需要维护元素顺序、频繁在头部或中间位置插入/删除元素（尽管此时效率不如队列）时。
• 选择元组：当数据结构一旦确定就不再需要改变时，例如作为字典的键，或在函数间传递不可变的记录。
• 选择字典：需要进行基于唯一标识符的快速查找、更新或删除操作时。
• 选择集合：需要测试成员资格、消除冗余元素或进行数学集合运算时。

常见陷阱规避：

• 避免在遍历列表的同时修改其长度，这会导致跳过元素或索引越界异常。
• 字典的键必须是“可哈希”的不可变对象（如字符串、数字、元组）。如果尝试使用列表作为键，将引发 TypeError。
• 切勿依赖集合的顺序，因为其内部存储是无序的。

以上就是对 Python 列表、元组、字典与集合的核心原理、操作方法及实战应用的详细内容，更多关于 Python 基础数据结构优化的资料请关注本站其它相关文章！