Python 基础(常用数据结构)

简介: 常用数据结构1)元组元组是一种静态的数据结构,无法修改,若要修改只能重新生成新的元组。输出结果:元组元素的获取是通过索引值去获得的;例如上面的tup1[0]返回apple;另外你可以直接把tup1一次性赋给多个值,例如上面的tup1一次性赋值给a,b,c,d; tup1[1:3]是对元组的截取,跟字符串的切片是一样,返回('banana', 'grape')当然也是可以层次嵌套的;索引方法一样; y元组还支持直接通过+进行合并元组操作,其实是生成一个新的元组。

常用数据结构

1)元组

元组是一种静态的数据结构,无法修改,若要修改只能重新生成新的元组。


输出结果:


元组元素的获取是通过索引值去获得的;例如上面的tup1[0]返回apple;另外你可以直接把tup1一次性赋给多个值,例如上面的tup1一次性赋值给a,b,c,d; tup1[1:3]是对元组的截取,跟字符串的切片是一样,返回('banana', 'grape')

当然也是可以层次嵌套的;索引方法一样; y元组还支持直接通过+进行合并元组操作,其实是生成一个新的元组。

在学习中有迷茫不知如何学习的朋友小编推荐一个学Python的学习q u n 227  -435-  450可以来了解一起进步一起学习!免费分享视频资料

元组的遍历也是很简单的:


输出结果:


直接for遍历出来的是一个个元素,但最好还是建议先查询元素个数,然后根据索引值去获取value值,尤其对多层嵌套的元组来说,这种方式更好。

2)列表

列表是我们常用的,所以这一块一定要好好掌握:


输出结果:


列表的查询,遍历,和切片截取功能跟元组一样;添加元素可以一般是直接append("XXX")就往列表后面添加值,如果要指定位置添加元素,可以像lists.insert(4,"ouyang5"),在指定的索引值位置插入值;

移除可以用remove指定的元素,如果想要弹出最后一个元素,可以用pop方法;

列表的其他常用方法:


输出结果:


join是把列表转为字符串,用逗号隔开;sort是根据字典排序,即字母的数字编码大小排序;reverse是反转排序;最后一个clear就是清空列表;

3)字典

字典很多方法也是跟list是一样的:


输出结果:


字典是一个键值对集合,可以支持修改;排序方法,这里使用lambda函数,这里就先不讲了,后面会涉及这块知识,需要知道有这一块功能就行。

字典其他一些用法:


输出结果:


字典的浅复制copy和deepcopy在3.6版本的功能是一样的了,以前的版本,浅复制修改原字典,copy出来的字典也会跟着变化,但现在都不会了;因为原先copy出来的只是做了一个指引而已,内存地址一样。deepcopy就是新开辟一个内存空间。

字典的update很好用,他会合并两个字典,去掉重复的元素。

4)set集合

set集合里的元素是不能重复的,list里面的元素是可以重复的。


输出结果:


set的定义是在list列表的基础上的,去掉重复的,当然它的索引取值等方式是跟列表是一样的,这里就不在说,通样,它也有一个更新的功能,跟字典很类似。

总结:

这些集合是很常用,对常用的方法一定要熟悉,用的时候可以顺手拈来。

相关文章
|
2月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
使用Python实现深度学习模型:智能数据隐私保护
使用Python实现深度学习模型:智能数据隐私保护 【10月更文挑战第3天】
116 0
|
2月前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
29天前
|
图形学 Python
SciPy 空间数据2
凸包(Convex Hull)是计算几何中的概念,指包含给定点集的所有凸集的交集。可以通过 `ConvexHull()` 方法创建凸包。示例代码展示了如何使用 `scipy` 库和 `matplotlib` 绘制给定点集的凸包。
27 1
|
1月前
|
JSON 数据格式 索引
Python中序列化/反序列化JSON格式的数据
【11月更文挑战第4天】本文介绍了 Python 中使用 `json` 模块进行序列化和反序列化的操作。序列化是指将 Python 对象(如字典、列表)转换为 JSON 字符串,主要使用 `json.dumps` 方法。示例包括基本的字典和列表序列化,以及自定义类的序列化。反序列化则是将 JSON 字符串转换回 Python 对象,使用 `json.loads` 方法。文中还提供了具体的代码示例,展示了如何处理不同类型的 Python 对象。
|
1月前
|
数据采集 Web App开发 iOS开发
如何使用 Python 语言的正则表达式进行网页数据的爬取?
使用 Python 进行网页数据爬取的步骤包括:1. 安装必要库(requests、re、bs4);2. 发送 HTTP 请求获取网页内容;3. 使用正则表达式提取数据;4. 数据清洗和处理;5. 循环遍历多个页面。通过这些步骤,可以高效地从网页中提取所需信息。
|
2月前
|
数据处理 Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。
62 3
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
|
2月前
|
计算机视觉 Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示,以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
45 3
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
|
2月前
|
数据可视化 算法 Python
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
本文介绍了如何利用Python脚本结合动态模态分解(DMD)技术,分析从OpenFOAM模拟中提取的二维切片数据,以深入理解流体动力学现象。通过PyVista库处理VTK格式的模拟数据,进行POD和DMD分析,揭示流场中的主要能量结构及动态特征。此方法为研究复杂流动系统提供了有力工具。
96 2
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
|
2月前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
62 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
2月前
|
自然语言处理 算法 数据挖掘
探讨如何利用Python中的NLP工具,从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理(NLP)在文本分析中的应用,从被动收集到主动分析的过程。通过Python代码示例,详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术,帮助读者理解如何有效利用NLP工具进行文本数据分析。
52 2