Python3 数据结构

Python 处理大数据集可以借助 Python 内置数据结构：列表、元组、字典 、 集合等，但是一般要和 pandas 和 Numpy 等库结合起来使用。

熟练掌握Python，首先就是熟练掌握Python的数据结构：列表、元组、字典 、 集合。

本篇博客主要内容有，基础的数据结构： 列表、元组、字典 、 集合介绍，如何创建自定义函数，和如何操作Python文件对象及如何与本地硬盘交互。

系统：Windows10系统。 环境：Python3。 IDE：Jupyter Notebook.

元组

元组是一个固定长度，不可改变的Python序列对象。创建元组的最简单方式，是用逗号分隔一列值（一般不这么用），当用复杂的表达式定义元组，最好将值放到圆括号内。

使用tuple函数可以将任意序列或迭代器转换为元组：

元组使用方法总结如下：

• tuple函数可以将任意序列或迭代器转换为元组；
• 可以用方括号访问元组中的元素。和C、C++、JAVA等语言一样，序列是从0开始的；
• 元组中存储的对象可能是可变对象。一旦创建了元组，元组中的对象就不能修改了，但对于元组中的可变对象，可以在原位进行修改；
• 可以用加号运算符将元组串联起来；
• 元组乘以一个整数，像列表一样，会将几个元组的复制串联起来（对象本身并没有被复制，只是引用了它）。

 元组使用示例

tuple方法

因为元组的大小和内容不能修改，它的实例方法都很轻量。其中一个很有用的就是count（也适用于列表），它可以统计某个值得出现频率：

列表

与元组对比，列表的长度可变、内容可以被修改。你可以用方括号定义，或用 list() 函数创建列表。列表是以类的形式实现的。“创建”列表实际上是将一个类实例化。列表中的元素用逗号分隔！

添加删除元素

• ​​append()​​ 方法可以 在列表末尾添加元素。
• ​​insert() ​​方法可以在特定位置插入元素，insert(i, value)，i 是索引位置，value 是要插入元素的值。
• ​​pop() ​​方法用以移除并返回指定位置的元素，是 insert 的逆运算，pop(i)：其中 i 是索引位置。特殊的 pop() 操作用于删除 list 末尾的元素。
• ​​remove() ​​方法去除某个值，remove 回寻找第一个值并除去。
• ​​in​​ 关键字可以检查列表是否包含某个值。
• ​​reverse()​​ 函数用于反向列表中元素。该方法没有返回值，但是会对列表的元素进行原地反向排序。

警告：与 append 相比，insert 耗费的计算量大，因为对后续元素的引用必须在 内部迁移，以便为新元素提供空间。如果要在序列的头部和尾部插入元素，可能需要使用 collections.deque，一个双尾部队列。 inset 方法使用时，插入的序号必须在 0 和列表长度之间。

如果不考虑性能，使用 append 和 remove，可以把 Python 的列表当做完美的“多重 集”数据结构。

在列表中检查是否存在某个值远比字典和集合速度慢，因为 Python 是线性搜索列表中的值，但在字典和集合中，在同样的时间内还可以检查其它项（基于哈希表）。

列表使用示例

串联和组合列表

• 和元组类似，可以用 ​​+​​ 将两个列表串联起来；
• 如果已经定义了一个列表，用 extend 方法可以追加多个元素。
• ​​append()​​​ 方法向列表的尾部添加一个新的元素，而 ​​extend()​​ 方法只接受一个列表作为参数，并将该参数的每个元素都添加到原有的列表中。

示例代码如下：

串联和组合列表示例

注意：通过加法将列表串联的计算量较大，因为这里要新建一个列表和复制对象。用 extend 方法用于对原来的列表追究元素，尤其是对于一个大列表要增加元素更为可取。示例代码如下：

everything = []
for chunk in lists_of_list:
    everything.extend(chunk)

排序

​​sort​​ 方法可以将一个列表原地排序：

# sort方法可以将一个列表原地排序
a = [334,433,121,44,31,2]
a.sort()
a

语法：

list.sort(*, key=None, reverse=False)

参数：

• ​​key​​ — 指定带有一个参数的函数，用于从每个列表元素中提取比较键 (例如 key=str.lower)。 对应于列表中每一项的键会被计算一次，然后在整个排序过程中使用。 默认值 None 表示直接对列表项排序而不计算一个单独的键值。
• ​​reverse​​ — 排序规则，reverse = True 降序， reverse = False 升序（默认）

返回值：

       该方法没有返回值，但是会对列表的对象进行排序。

示例1代码如下：

# 字符串排序
def list_sort_string():  
    list=["delphi","Delphi","python","Python","c++","C++","c","C","golang","Golang"]  
    list.sort() #按字典顺序升序排列  
    print("升序:",list)  
  
    list.sort(reverse=True) #按降序排列  
    print("降序:",list)

输出：

升序: [‘C’, ‘C++’, ‘Delphi’, ‘Golang’, ‘Python’, ‘c’, ‘c++’, ‘delphi’, ‘golang’, ‘python’] 降序: [‘python’, ‘golang’, ‘delphi’, ‘c++’, ‘c’, ‘Python’, ‘Golang’, ‘Delphi’, ‘C++’, ‘C’]

示例2代码如下：

# 根据列表中元素长度排序
def list_sort_by_length():  
    list=["delphi","Delphi","python","Python","c++","C++","c","C","golang","Golang"]  
    list.sort(key=lambda ele:len(ele)) #按元素长度顺序升序排列  
    print("升序:",list)  
  
    list.sort(key=lambda ele:len(ele),reverse=True) #按降序排列  
    print("降序:",list)
list_sort_by_length()

输出

升序: [‘c’, ‘C’, ‘c++’, ‘C++’, ‘delphi’, ‘Delphi’, ‘python’, ‘Python’, ‘golang’, ‘Golang’] 降序: [‘delphi’, ‘Delphi’, ‘python’, ‘Python’, ‘golang’, ‘Golang’, ‘c++’, ‘C++’, ‘c’, ‘C’]

示例3代码如下：

# 使用对象的一些索引作为键对复杂对象进行排序。
# 根据列表中元素的多个属性进行排序
def two_d_list_sort():  
    list=[ ["1","c++","demo"],  
           ["7","c","test"],  
           ["9","java",""],  
           ["8","golang","google"],  
           ["4","python","gil"],  
           ["5","swift","apple"]  
    ]  
    list.sort(key=lambda ele:ele[0])# 根据第1个元素排序  
    print(list)  
    list.sort(key=lambda ele:ele[1]) #先根据第2个元素排序  
    print(list)  
    list.sort(key=lambda ele:ele[1]+ele[0]) #先根据第2个元素排序，再根据第1个元素排序  
    print(list)
two_d_list_sort()

输出：

[[‘1’, ‘c++’, ‘demo’], [‘4’, ‘python’, ‘gil’], [‘5’, ‘swift’, ‘apple’], [‘7’, ‘c’, ‘test’], [‘8’, ‘golang’, ‘google’], [‘9’, ‘java’, ”]] [[‘7’, ‘c’, ‘test’], [‘1’, ‘c++’, ‘demo’], [‘8’, ‘golang’, ‘google’], [‘9’, ‘java’, ”], [‘4’, ‘python’, ‘gil’], [‘5’, ‘swift’, ‘apple’]] [[‘1’, ‘c++’, ‘demo’], [‘7’, ‘c’, ‘test’], [‘8’, ‘golang’, ‘google’], [‘9’, ‘java’, ”], [‘4’, ‘python’, ‘gil’], [‘5’, ‘swift’, ‘apple’]]

同样的技术也适用于具有命名属性的对象。例如：

class Student:
    def __init__(self, name, grade, age):
        self.name = name
        self.grade = grade
        self.age = age
    def __repr__(self):
        return repr((self.name, self.grade, self.age))
    
student_tuples = [
    ('john', 'A', 15),
    ('jane', 'B', 12),
    ('dave', 'B', 10),
]
sorted(student_tuples, key=lambda student: student[2])   # sort by age
## 输出 ##
# [('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]

切片

切片可以用来寻去序列类型的一部分，基本形式是在方括号中使用start:stop。

下面通过代码看几个常用的用法：

seq = [4,4,5,56,1,9,6,22,87,3,7]
print(seq[1:5])
print(seq[0:5])   # 取前5个元素
print(seq[:5])    # 取前5个元素
print(seq[5:])    # 取后5个元素
print(seq[-2:])   # 从后向前切2个元素
print(seq[::3])   # 每3个取一个
print(seq[:5:2])  # 前5个元素，每两个取一个

输出：

[4, 5, 56, 1] [4, 4, 5, 56, 1] [4, 4, 5, 56, 1] [9, 6, 22, 87, 3, 7] [3, 7] [4, 56, 6, 3] [4, 5, 1]

列表方法总结

序列函数

Python 有一些常用的序列函数必须掌握。

enumerate函数

Python 内建的 ​​enumerate​​​ 函数，可以返回 ​​(i,value)​​ 元组序列，常用于迭代序列的程序中：

for i, value in enumerate(collection):
    # do something with value

索引数据时，使用 enumerate 的一个好方法是计算序列（唯一的）dict 映射到位置的值：

# 索引数据时，使用enumerate的一个好方法是计算序列（唯一的）dict映射到位置的值
some_list = ['foo','bar','test']
mapping = {}
for i,v in enumerate(some_list):
    mapping[i] = v
print(mapping)

输出:

{0: ‘foo’, 1: ‘bar’, 2: ‘test’}

sorted函数

​​sorted​​ 高阶函数可以从任意序列的元素返回一个新的排好序的列表，注意 sort 函数是原地排序; sorted 一共有 ​​iterable, key, reverse​​ 这三个参数。

语法:

sorted(iterable, *, key=None, reverse=False)

参数：

• ​​iterable​​：表示可以迭代的对象，例如可以是 ​​dict.items()、dict.keys()​​等；
• ​​key​​：是一个函数，用来选取参与比较的元素，实现自定义的排序，key 指定的函数将作用于 list 的每一个元素上，并根据 key 函数返回的结果进行排序。；
• ​​reverse​​​：用来指定排序是倒序还是顺序，​​reverse=true​​​ 则是倒序，reverse=false 时则是顺序，默认时 ​​reverse=false​​。

返回：

       返回一个新的已排序列表。

sorted 函数可以从任意序列的元素返回一个新的排好序的列表，对字典和列表排序的例子如下：

# 创建一个字典
dict_data = {'Gilee':25, 'wangyan':21, 'Aiqun':32, 'lidaming':19} 
# 对字典进行排序
print(sorted(dict_data)) # ['Aiqun', 'Gilee', 'lidaming', 'wangyan']

sorted排序实例

sorted 函数不仅可以对 list、tuple 结构，还可以对字典 dict 按 key 排序和按value 排序。详情参考此​​文章​​。注意：这里返回的是列表，列表元素为二元组对象。

对字典按照键（key）进行排序 :

# 初始化字典 dict_data = {6:9,10:5,3:11,8:2,7:6} # 对字典按键（key）进行排序（默认由小到大） test_data_0 = sorted(dict_data.keys()) # 输出结果 print(test_data_0) #[3, 6, 7, 8, 10] test_data_1 = sorted(dict_data.items(),key=lambda x:x[0], reverse=False) # 输出结果 print(test_data_1) #[(3, 11), (6, 9), (7, 6), (8, 2), (10, 5)]

对字典按照值（value）进行排序:

# 创建一个字典
dict_data =  {'a': 15, 'ab': 6, 'bc': 16, 'da': 95} 
#对字典按值（value）进行排序（默认由小到大）
test_data_1 = sorted(dict_data.items(),key=lambda x:x[1])
# 输出结果1
print(test_data_1) # [('ab', 6), ('a', 15), ('bc', 16), ('da', 95)]
# 对字典按值（value）进行倒序排序(由大到小)
test_data_2 = sorted(dict_data.items(),key=lambda x:x[1],reverse=True)  
# 输出结果2
print(test_data_2) # [('da', 95), ('bc', 16), ('a', 15), ('ab', 6)]

这里的 dict_data.items() 实际上是将 dict_data 转换为可迭代对象，迭代对象的元素为（‘a’,15）、（‘ab’,21）、（‘bc’,32）、（‘da’,19），items()方法将字典的元素转化为了元组。

而这里 key 参数对应的 lambda 表达式的意思则是选取元组中的第二个元素作为比较参数（如果写作 key=lambda item:item[0] 的话则是选取第一个元素作为比较对象，也就是key值作为比较对象。lambda x:y 中 x 表示输出参数，y 表示lambda 函数的返回值），所以采用这种方法可以对字典的 value 进行排序。注意排序后的返回值是一个 list，而原字典中的名值对被转换为了 list 中的元组。

sort 与 sorted 区别：

• ​​list.sort()​​​ 和 ​​sorted()​​ 都有一个 key 形参来指定在进行比较之前要在每个列表元素上进行调用的函数。
• sorted 函数可以接受和 sort 函数相同的参数。
• sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。
• list 的 sort 方法返回的是对已经存在的列表进行操作（原地排序），而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行操作。

zip函数

• ​​zip​​函数可以将多个列表、元组或其他序列组合成一个元组列表；
• zip 可以处理任意多的序列，元素的个数取决于最多的序列；
• zip 的常见用法之一是同时迭代多个序列，可能结合 enumerate 使用。

这个函数功能有些类似 np.stack 函数。（numpy.stack(arrays, axis=0)，即将一维数组的数据按照指定的维度进行堆叠）

下面是zip函数使用的两个简单示例：

seq1 = ['foo','bar','cxz']
seq2 = ['one','two','three']
zipped = zip(seq1,seq2)
list(zipped)

输出：

[(‘foo’, ‘one’), (‘bar’, ‘two’), (‘cxz’, ‘three’)]

# 同时迭代多个序列，结合enumerate使用：
for i,(a,b) in enumerate(zip(seq1,seq2)):
    print('{0}:{1},{2}'.format(i,a,b))

0:foo,one 1:bar,two 2:cxz,three

字典

字典可能是 Python 最为重要的数据结构。它更为常见的名字是哈希映射或关联数组。它是键值对的大小可变集合，键和键值都是 Python 对象。创建字典的方法之一是使用尖括号，用冒号分割键和键值。

• 可以像访问列表或元组中的元素一样，访问、插入或设定字典中的元素；
• 可以用检查列表和元组是否包含某个值的方法，检查字典中是否包含某个键；
• 可以用 ​​del​​​ 关键字或 ​​pop​​ 方法（返回值的同时删除键）删除值；
• keys 和 values 是字典的键和值的迭代器方法。虽然键值对没有顺序，这两个方法，可以用相同的顺序输出键和值。
• update 方法可以将一个字典与另一个融合；

下面是 keys 和 values 方法使用的一个示例：

# 分别用keys和values方法输出字典的键和值
d1 = {'a':'some value','b':[12,43,21,87],'c':12}
for k in d1.keys():
    print(k)
list(d1.values())

输出：

a b c [‘some value’, [12, 43, 21, 87], 12]

dict() 函数创建字典

​​dict() ​​函数可用于创建字典。语法如下：

class dict(**kwarg)
class dict(mapping, **kwarg)
class dict(iterable, **kwarg)

参数说明：

• **kwargs — 关键字
• mapping — 元素的容器。
• iterable — 可迭代对象

实例代码如下：

>>>dict()                        # 创建空字典
{}
>>> dict(a='a', b='b', t='t')     # 传入关键字
{'a': 'a', 'b': 'b', 't': 't'}
>>> dict(zip(['one', 'two', 'three'], [1, 2, 3]))   # 映射函数方式来构造字典
{'three': 3, 'two': 2, 'one': 1} 
>>> dict([('one', 1), ('two', 2), ('three', 3)])    # 可迭代对象方式来构造字典
{'three': 3, 'two': 2, 'one': 1}
>>>

判断key是否存在

有两种方法：

• ​​if key in dict()​​​：通过 ​​in​​ 判断 key 是否存在
• ​​dict.get(key, value)​​​：是通过 dict 提供的 ​​get​​ 方法，如果 key 不存在，可以返回 None，或者自己指定的 value。

字典的get()方法语法：

dict.get(key, default=None)

参数：

• key — 字典中要查找的键。
• default — 如果指定键的值不存在时，返回该默认值值。

返回值:

返回指定键的值，如果值不在字典中返回默认值None。

实例代码如下：

dict = {'Name': 'Zara', 'Age': 27} # 判断key 是否存在于dict if 'Harley' in dict: print('key exist in dict()') else: print('key not exist in dict()') # key not exist in dict() print(dict.get('Harley', 0)) # 0

字典 items() 方法

字典 items() 方法以列表返回可遍历的(键, 值) 元组数组。

实例代码如下：

dict = {'Name': 'Runoob', 'Age': 7}
print ("Value : %s" %  dict.items())

输出如下：

Value : dict_items([(‘Age’, 7), (‘Name’, ‘Runoob’)])

默认情况下， dict 迭代的是 key。如果要迭代 value，可以用 for value in d.values()，如果要同时迭代 key 和 value，可以用 for k, v in d.items()。代码示例如下：

d = { 'Adam': 95, 'Lisa': 85, 'Bart': 59, 'Paul': 74 }
sum = 0
for key, value in d.items():
    sum = sum + value
    print(key, ':' ,value)
print('平均分为:' ,sum /len(d))

输出如下：

Adam : 95

Lisa : 85

Bart : 59

Paul : 74

平均分为: 78.25

用序列创建字典

我们可以将两个序列配对组合成字典，写法如下：

# 将两个序列配对组合成字典
mapping = {}
for key,value in zip(key_list,value_list):
    mapping[key] = vaule

因为字典本质上是2元元组的集合，dict可以接受2元元组的列表：

mapping = dict(zip(range(5), reversed(range(5))))
mapping

{0: 4, 1: 3, 2: 2, 3: 1, 4: 0}

有效的键类型

字典的值可以是任意 Python 对象，而键通常是不可变的标量类型（整数、浮点型、字符串）或元组（元组中的对象必须是不可变的）。这被称为“可哈希性”。可以用hash函数检测一个对象是否是可哈希的（可被用作字典的键）：

要用列表当做键，一种方法是将列表转化为元组，只要内部元素可以被哈希，它也就可以被哈希：

# 将列表转换为元组
dicts = {}
dicts[tuple([1,2,3])] = 5
dicts

输出：

{(1,2,3):5}

字典的 clear() 方法

Python 字典 ​​clear()​​​ 函数用于删除字典内所有元素。语法：​​dict.clear()​​，dict 是字典对象。示例代码如下：

dict = {'Name': 'Harley', 'Age': 24}
print ("字典长度 : %d" %  len(dict))
dict.clear()
print ("字典删除后长度 : %d" %  len(dict))
####输出结果####
# 字典长度 : 2
# 字典删除后长度 : 0
####输出结果####

程序运行输出结果如下：

字典长度 : 2
字典删除后长度 : 0

集合

集合是无序的不可重复的元素的集合。你可以把它当做字典，但是只有键没有值。可以用两种方式创建集合：通过 ​​set​​ 函数或使用尖括号 set 语句：

s = set([1, 1, 2, 2, 3, 3]) s # {1, 2, 3}

集合支持合并、交集、差分和对称差等数学集合运算。 集合常用方法如下图：

集合set常用方法

列表、集合和字典推导式

列表推导式（列表生成式）是 Python 最受喜爱的特性之一。它允许用户方便的从一个集合过滤元素，形成列表，在传递参数的过程中还可以修改元素。形式如下：

[expr for val in collection if condition]

示例：给定一个字符串列表，我们可以过滤出长度在2及以下的字符串，并将其转换成大写，代码如下：

strings = ["delphi","Delphi","python","Python","c++","C++","c","C","golang","Golang"] 
[x.upper() for x in strings if len(x)>3]

输出：

[‘DELPHI’, ‘DELPHI’, ‘PYTHON’, ‘PYTHON’, ‘GOLANG’, ‘GOLANG’]

用相似的方法，还可以推导集合和字典。字典的推导式如下所示：

dict_comp = {key-expr : value-expr for value in collection if condition}

注意：list 是用数组实现的，dict 使用 hash 表实现的。

Python可变对象与不可变对象

• int，str，float，tuple 都属于不可变对象 其中 tuple 有些特殊 ；
• dict，set，list 属于可变对象。

参考资料

• 利用Python进行数据分析第二版
• Python3 List sort()方法 | 菜鸟教程
• ​​Python对字典分别按键（key）和值（value）进行排序​​