Python数据容器之元组的用法

简介: 元组本质上是只读的列表list。除了不能修改之外,其它特性和列表相似。

这是机器未来的第8篇文章


1. 元组概述

元组本质上是只读的列表list。除了不能修改之外,其它特性和列表相似

列表是容器数据类型,可存储多个元素,且支持不同类型数据,可修改,有序列表,可重复。

举例:

x = (1, 'abc', True, {"name":"Joe"}, 1, 2, ['7', '89'])

x

(1, 'abc', True, {'name': 'Joe'}, 1, 2, ['7', '89'])

例子中展现了以下情况:

  • 不同的数据类型共存一个元组的情况:有数值类型、字符串、有列表、字典
  • 元组包含其他容器类型:字典{“name”:“Joe”}和列表[‘7’, ‘89’]
  • 元组展现了重复的数据,列表中存在2个1

2. 定义元组

定义元组的方法有2种,tuple函数和()元组运算符

2.1 tuple函数

首先看一下tuple()函数的描述:从输出的描述信息中可知,tuple仅支持1个参数:

  • 可为空,为空时则创建一个空列表

x1 = tuple()

print(x1, type(x1))

() <class 'tuple'>

不为空时,参数必须是可迭代类型

  • 什么是可迭代对象呢?举个简单的例子,能够在for循环中遍历使用的都是可迭代类型,具体的可迭类型有字符串、列表、元组、字典。

x0 = tuple()                         # 无参数,空元组

print(x0, type(x0))

x1 = tuple("name")                   # 用字符串初始化元组

print(x1, type(x1))

x2 = tuple([1, 2, 'a', 'b', 'c'])    # 用列表初始化元组    

print(x2, type(x2))

x3 = tuple((1, 2, 3, 4))             # 用元组初始化元组

print(x3, type(x3))

d1 = {"name":"zsm", "age":18, "sex":"male"}

x4 = tuple(d1.keys())                  # 用字典初始化元组:对于key和value需要分别处理

x5 = tuple(d1.values())

print(x4, type(x4), x5, type(x5))

2.2 ()元组运算符

x1 = ()                 # 空元组

print(x1, type(x1))

x2 = (1, 2, 3, 4)       # 有元素的元组

print(x2, type(x2))

3. 元组的不可修改性

元组为不可变数据类型,和字符串一样,存储于内存的堆区,是直接引用类型。举例:

x2 = (1, 2, 3, 4)       # 有元素的元组

print(x2, type(x2))

x2[2] = 7

特殊情况:元组中的元素如果是可变数据类型,那么可变数据变量中的元素是可以被修改的,其本质上符合可变数据类型可修改的逻辑。

举例:

x3 = (1, 2, 3, [5, 6, 7], (8, 9, 10))

x3[3] = 5   # 修改元组中的元素x3[3], 元组是不可变数据类型,元组中的元素不可以被修改

x3[3][0] = 20           # 元组中的元素是可变数据类型列表,修改列表中的元组是可行的

x3

x3[4][0] = 22   # 元组中的元素为元组类型时,同样时不可变数据类型,元组中的元素修改也会报错。

x3

4. 元组常用方法

x = (1, 2, 3, [5, 6, 7], (8, 9, 10))

dir(x)

['add',</br> 'class',</br> 'contains',</br> 'delattr',</br> 'dir',</br> 'doc',</br> 'eq',</br> 'format',</br> 'ge',</br> 'getattribute',</br> 'getitem',</br> 'getnewargs',</br> 'gt',</br> 'hash',</br> 'init',</br> 'init_subclass',</br> 'iter',</br> 'le',</br> 'len',</br> 'lt',</br> 'mul',</br> 'ne',</br> 'new',</br> 'reduce',</br> 'reduce_ex',</br> 'repr',</br> 'rmul',</br> 'setattr',</br> 'sizeof',</br> 'str',</br> 'subclasshook',</br> 'count',</br> 'index']

和列表list相对,方法少了很多,仅剩下count和index了。

4.1 count方法

统计元素在元素中的个数

x = (1, 'abc', True, {"name":"Joe"}, 1, 2, ['7', '89'])     # 注意:True也被认为是1

x.count(1)

4.2 index方法

返回元组中元素第一次出现的索引位置

x = (1, 'abc', True, {"name":"Joe"}, 1, 2, ['7', '89'])     # 2所在位置索引为5

x.index(2)

以上就是python列表的基础语法知识,更加深入的用法会在人工智能的学习过程中学到!

扩展:如果真的需要修改元组,有什么办法呢?

请关注下一节:序列。

《Python零基础快速入门系列》快速导航:

推荐阅读:


相关文章
|
4月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
2659 1
|
4月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
580 0
|
4月前
|
JSON 算法 API
Python采集淘宝商品评论API接口及JSON数据返回全程指南
Python采集淘宝商品评论API接口及JSON数据返回全程指南
|
4月前
|
JSON API 数据安全/隐私保护
Python采集淘宝拍立淘按图搜索API接口及JSON数据返回全流程指南
通过以上流程,可实现淘宝拍立淘按图搜索的完整调用链路,并获取结构化的JSON商品数据,支撑电商比价、智能推荐等业务场景。
|
4月前
|
机器学习/深度学习 PyTorch 算法框架/工具
python torch基础用法
本教程系统讲解PyTorch基础,涵盖张量操作、自动求导、神经网络构建、训练流程、GPU加速及模型保存等核心内容,结合代码实例帮助初学者快速掌握深度学习开发基础,是入门PyTorch的实用指南。
663 6
|
5月前
|
数据采集 关系型数据库 MySQL
python爬取数据存入数据库
Python爬虫结合Scrapy与SQLAlchemy,实现高效数据采集并存入MySQL/PostgreSQL/SQLite。通过ORM映射、连接池优化与批量提交,支持百万级数据高速写入,具备良好的可扩展性与稳定性。
|
5月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
545 102
|
5月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
402 104
|
5月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
313 103
|
5月前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
249 82

推荐镜像

更多