第二章：数据结构与类型¶
数据结构基础
本章将深入学习Python的核心数据结构，包括列表、元组、字典、集合和字符串。这些数据结构是Python编程的基础，掌握它们对于编写高效的程序至关重要。
问题27：Python中的列表有哪些特点和用法？¶
🤔 问题描述¶
列表是Python中最常用的数据结构之一，它有哪些特点？如何创建和操作列表？列表与其他数据结构有什么区别？
💡 详细解答¶
列表的基本特点¶
列表（List）是Python中的有序集合，具有以下特点：
- 有序性：元素按插入顺序排列
- 可变性：可以修改、添加、删除元素
- 异构性：可以包含不同类型的元素
- 索引访问：支持正向和反向索引
创建列表¶
# 1. 空列表
empty_list = []
empty_list = list()
# 2. 包含元素的列表
numbers = [1, 2, 3, 4, 5]
mixed = [1, "hello", 3.14, True]
nested = [[1, 2], [3, 4], [5, 6]]
# 3. 使用list()构造函数
chars = list("hello") # ['h', 'e', 'l', 'l', 'o']
range_list = list(range(5)) # [0, 1, 2, 3, 4]
列表操作¶
# 访问元素
numbers = [1, 2, 3, 4, 5]
print(numbers[0]) # 1 (第一个元素)
print(numbers[-1]) # 5 (最后一个元素)
print(numbers[1:3]) # [2, 3] (切片)
# 修改元素
numbers[0] = 10
print(numbers) # [10, 2, 3, 4, 5]
# 添加元素
numbers.append(6) # 末尾添加
numbers.insert(0, 0) # 指定位置插入
numbers.extend([7, 8]) # 扩展列表
# 删除元素
del numbers[0] # 删除指定位置
numbers.remove(3) # 删除指定值
popped = numbers.pop() # 删除并返回最后一个元素
📝 代码示例¶
# 列表操作综合示例
def demonstrate_lists():
"""演示列表的各种操作"""
# 创建列表
fruits = ["apple", "banana", "orange"]
print(f"原始列表: {fruits}")
# 添加元素
fruits.append("grape")
fruits.insert(1, "mango")
print(f"添加后: {fruits}")
# 删除元素
fruits.remove("banana")
last_fruit = fruits.pop()
print(f"删除后: {fruits}")
print(f"删除的元素: {last_fruit}")
# 列表推导式
numbers = [1, 2, 3, 4, 5]
squares = [x**2 for x in numbers]
even_squares = [x**2 for x in numbers if x % 2 == 0]
print(f"平方数: {squares}")
print(f"偶数平方: {even_squares}")
# 列表方法
numbers = [3, 1, 4, 1, 5, 9, 2, 6]
print(f"排序前: {numbers}")
numbers.sort()
print(f"排序后: {numbers}")
# 统计
print(f"元素个数: {len(numbers)}")
print(f"最大值: {max(numbers)}")
print(f"最小值: {min(numbers)}")
print(f"求和: {sum(numbers)}")
if __name__ == "__main__":
demonstrate_lists()
问题28：如何高效地操作列表？¶
🤔 问题描述¶
在实际编程中，如何高效地操作列表？有哪些性能优化的技巧？如何避免常见的列表操作陷阱？
💡 详细解答¶
性能优化技巧¶
常见陷阱和解决方案¶
📝 代码示例¶
# 高效列表操作示例
import time
from collections import deque
def performance_comparison():
"""性能对比示例"""
# 1. 列表推导式 vs 传统循环
n = 100000
# 传统方式
start = time.time()
squares1 = []
for i in range(n):
squares1.append(i**2)
time1 = time.time() - start
# 列表推导式
start = time.time()
squares2 = [i**2 for i in range(n)]
time2 = time.time() - start
print(f"传统方式耗时: {time1:.4f}秒")
print(f"列表推导式耗时: {time2:.4f}秒")
print(f"性能提升: {time1/time2:.2f}倍")
def list_operations_demo():
"""列表操作演示"""
# 创建测试数据
numbers = list(range(10))
print(f"原始列表: {numbers}")
# 切片操作
print(f"前5个元素: {numbers[:5]}")
print(f"后5个元素: {numbers[-5:]}")
print(f"每隔2个取一个: {numbers[::2]}")
print(f"反转列表: {numbers[::-1]}")
# 列表方法
numbers.append(10)
numbers.insert(0, -1)
print(f"添加元素后: {numbers}")
# 删除操作
removed = numbers.pop(0) # 删除第一个元素
numbers.remove(5) # 删除值为5的元素
print(f"删除后: {numbers}")
print(f"删除的元素: {removed}")
# 排序和反转
numbers.sort(reverse=True)
print(f"降序排列: {numbers}")
# 统计信息
print(f"长度: {len(numbers)}")
print(f"最大值: {max(numbers)}")
print(f"最小值: {min(numbers)}")
print(f"求和: {sum(numbers)}")
print(f"平均值: {sum(numbers)/len(numbers):.2f}")
def advanced_list_techniques():
"""高级列表技巧"""
# 1. 列表推导式的高级用法
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
# 展平二维列表
flattened = [item for row in matrix for item in row]
print(f"展平矩阵: {flattened}")
# 转置矩阵
transposed = [[row[i] for row in matrix] for i in range(len(matrix[0]))]
print(f"转置矩阵: {transposed}")
# 2. 过滤和映射
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 过滤偶数
evens = [x for x in numbers if x % 2 == 0]
print(f"偶数: {evens}")
# 映射操作
squares = [x**2 for x in numbers]
print(f"平方数: {squares}")
# 3. 条件列表推导式
result = ["偶数" if x % 2 == 0 else "奇数" for x in range(1, 6)]
print(f"奇偶判断: {result}")
# 4. 嵌套列表推导式
nested = [[i*j for j in range(1, 4)] for i in range(1, 4)]
print(f"乘法表: {nested}")
def list_algorithms():
"""列表算法示例"""
# 1. 查找算法
def linear_search(lst, target):
"""线性查找"""
for i, item in enumerate(lst):
if item == target:
return i
return -1
# 2. 排序算法（冒泡排序）
def bubble_sort(lst):
"""冒泡排序"""
n = len(lst)
for i in range(n):
for j in range(0, n-i-1):
if lst[j] > lst[j+1]:
lst[j], lst[j+1] = lst[j+1], lst[j]
return lst
# 3. 去重算法
def remove_duplicates(lst):
"""去除重复元素（保持顺序）"""
seen = set()
result = []
for item in lst:
if item not in seen:
seen.add(item)
result.append(item)
return result
# 测试算法
test_list = [3, 1, 4, 1, 5, 9, 2, 6, 5, 3]
print(f"原始列表: {test_list}")
# 查找
index = linear_search(test_list, 5)
print(f"查找5的位置: {index}")
# 排序
sorted_list = bubble_sort(test_list.copy())
print(f"排序后: {sorted_list}")
# 去重
unique_list = remove_duplicates(test_list)
print(f"去重后: {unique_list}")
if __name__ == "__main__":
print("=== 性能对比 ===")
performance_comparison()
print("\n=== 列表操作演示 ===")
list_operations_demo()
print("\n=== 高级技巧 ===")
advanced_list_techniques()
print("\n=== 列表算法 ===")
list_algorithms()
🎯 最佳实践¶
- 优先使用列表推导式：比传统循环更高效
- 避免频繁的列表重建：使用append而不是+
- 注意浅拷贝陷阱：需要深拷贝时使用copy.deepcopy()
- 合理使用切片：切片操作很高效
- 预分配空间：已知大小时预分配列表
- 选择合适的数据结构：根据使用场景选择
通过掌握这些列表操作技巧，你就能编写出更高效、更优雅的Python代码！