Python 中数据结构的重要性不言而喻，它们是构建高效、可维护代码的基础。数据结构决定了如何存储、组织和操作数据。理解和使用合适的数据结构能够极大地提升程序的性能、简洁性以及代码的可读性。 Python 的基础数据结构有 4 种，分别是 列表 (list)、元组 (tuple)、集合 (set) 和 字典 (dictionary)，它们都是 Python 内置的，并不需要额外导入模块。基础数据结构广泛用于存储和操作数据，支持常见的增删改查等操作。 Python 的高级数据结构有 6 种，通常需要从 collections、heapq 和 queue 模块导入，包括 双端队列 (deque)、默认字典 (defaultdict)、有序字典 (OrderedDict)、计数器 (Counter)、堆 (heap) 和 优先队列 (Priority Queue)。这些高级数据结构提供了更高效和专业化的功能，适用于复杂的场景如优先级处理、计数统计、双向数据操作等。 本文将会详细介绍Python的基础数据结构。 1、python基础结构 1.1 列表（list） 列表（list）是一种有序的、可变的序列，用于存储多个元素。它是最常见的基础数据结构之一，可以存储任意类型的对象（数字、字符串、甚至其他列表）。 特点: 有序: 元素按照插入顺序排列。 可变: 可以动态添加、删除和修改元素。 支持重复元素: 列表中的元素可以重复。 元素可以是不同类型: 列表可以包含任何类型的对象（数字、字符串、列表等）。 列表使用方括号 [] 来定义，元素用逗号分隔。列表可以很方便进行元素访问、切片、修改、添加、删除，列表的长度使用 len() 函数可以获取列表的长度，合并列表可以通过 + 操作符或 extend() 方法合并两个列表，如果需要遍历列表的索引和元素，可以使用 enumerate() 函数。列表的具体使用如下： # 创建一个包含多种元素类型的列表 my_list = [1, 2, 3, 'hello', [4, 5]] # 列表可以包含数字、字符串、甚至其他列表 # 访问列表中的元素 print(my_list[0]) # 输出: 1，访问第一个元素 print(my_list[-1]) # 输出: [4, 5]，访问最后一个元素（支持负索引） # 列表切片 print(my_list[1:3]) # 输出: [2, 3]，从索引1开始到索引3之前的元素 print(my_list[:2]) # 输出: [1, 2]，获取从开始到索引2之前的元素 print(my_list[::2]) # 输出: [1, 3, [4, 5]]，每隔一个元素取一次 # 修改列表中的元素 my_list[1] = 'changed' # 修改索引1处的元素为'changed' print(my_list) # 输出: [1, 'changed', 3, 'hello', [4, 5]] # 添加元素到列表 my_list.append(6) # 在列表末尾添加元素6 print(my_list) # 输出: [1, 'changed', 3, 'hello', [4, 5], 6] # 在指定位置插入元素 my_list.insert(2, 'new') # 在索引2处插入'new' print(my_list) # 输出: [1, 'changed', 'new', 3, 'hello', [4, 5], 6] # 删除列表中的元素 removed = my_list.pop() # 删除并返回列表末尾的元素 print(removed) # 输出: 6，显示被删除的元素 print(my_list) # 输出: [1, 'changed', 'new', 3, 'hello', [4, 5]] my_list.remove('new') # 删除列表中的第一个'new'元素 print(my_list) # 输出: [1, 'changed', 3, 'hello', [4, 5]] # 获取列表的长度 print(len(my_list)) # 输出: 5，列表中包含5个元素 # 合并两个列表 list1 = [1, 2, 3] list2 = [4, 5, 6] combined = list1 + list2 # 使用'+'操作符合并列表 print(combined) # 输出: [1, 2, 3, 4, 5, 6] list1.extend(list2) # 使用extend方法合并list2到list1中 print(list1) # 输出: [1, 2, 3, 4, 5, 6] # 对列表排序 nums = [3, 1, 4, 2] nums.sort() # 原地排序 print(nums) # 输出: [1, 2, 3, 4] # 反转列表 nums.reverse() # 原地反转列表 print(nums) # 输出: [4, 3, 2, 1] # 列表的遍历 for item in my_list: print(item) # 逐个打印列表中的元素 # 使用enumerate同时获取索引和值 for index, value in enumerate(my_list): print(f"Index: {index}, Value: {value}") # 打印索引和值 列表的常用方法： 方法描述append(x)将元素 x 添加到列表末尾extend(iterable)将可迭代对象的元素添加到列表末尾insert(i, x)在索引 i 处插入元素 xremove(x)删除列表中第一个值为 x 的元素pop([i])移除并返回索引 i 处的元素（默认移除最后一个元素）clear()移除列表中的所有元素index(x[, start[, end]])返回列表中第一个值为 x 的元素索引count(x)返回元素 x 在列表中出现的次数sort(key=None, reverse=False)对列表进行原地排序reverse()原地反转列表中的元素copy()返回列表的浅拷贝 列表的内存管理与性能: 由于列表是动态数组，它的大小可以动态调整，这使得 Python 列表能够以灵活的方式存储不同大小的数据。然而，频繁的插入和删除操作（尤其是在列表的中间部分）可能导致性能下降，因为这些操作可能需要移动列表中的其他元素。 时间复杂度: 访问元素: O(1) 在末尾添加元素 (append()): O(1) 插入或删除（中间或开头）: O(n) 遍历列表: O(n) 排序: O(n log n) 应用场景: 列表适用于需要按顺序存储数据且数据量较小的场景。 动态管理元素集合，例如任务列表、购物车、学生名单等。 适用于需要频繁访问、更新或追加数据的场景。 1.2 元组（tuple） 元组（tuple）是 Python 中的一种有序的、不可变的数据结构。元组中的元素一旦创建后就不能被修改，因此它适用于存储那些不需要更改的数据。元组类似于列表，但它的不可变性使它在某些场景下更高效，并且可以作为字典的键。 特点: 有序: 元素按照插入顺序排列。 不可变: 一旦元组被创建，就不能修改其内容（不能添加、删除、修改元素）。 支持重复元素: 元组中的元素可以重复。 元素可以是不同类型: 元组可以包含任意类型的元素（数字、字符串、列表，甚至另一个元组）。 轻量高效: 由于不可变性，元组在内存和性能方面比列表更高效。 元组使用圆括号 () 定义，元素用逗号分隔。如果创建只有一个元素的元组，需要在元素后加一个逗号，否则会被识别为一个普通的类型。元组的具体操作如下： # 创建一个元组 my_tuple = (1, 2, 3, 'hello', [4, 5]) # 访问元组中的元素 print(my_tuple[0]) # 输出: 1 print(my_tuple[-1]) # 输出: [4, 5] # 元组的长度 print(len(my_tuple)) # 输出: 4，元组中有4个元素 # 元组切片 print(my_tuple[1:3]) # 输出: (2, 3) # 遍历元组 for item in my_tuple: print(item) # 元组不可变性 # my_tuple[1] = 'new_value' # 这会引发错误，因为元组是不可变的 # 元组解包 a, b, c = (1, 2, 3) print(a, b, c) # 输出: 1 2 3 # 嵌套元组 nested_tuple = (1, (2, 3), (4, (5, 6))) print(nested_tuple[2][1]) # 输出: (5, 6) # 元组的方法 print(my_tuple.count(2)) # 输出: 1，元素 2 出现了一次 print(my_tuple.index('hello')) # 输出: 3，'hello' 在索引 3 处 元组的常用方法： 方法描述count(x)返回元素 x 在元组中出现的次数index(x)返回元素 x 在元组中第一次出现的索引位置时间复杂度: 访问元素: O(1) 遍历元组: O(n) 元组的应用场景: 不可变数据的存储: 元组适用于存储不需要更改的数据，例如数据库表中的一行记录、GPS 坐标等。 字典的键: 因为元组是不可变的，所以它可以作为字典的键，而列表不行。 解包操作: 在函数返回多个值时，经常使用元组解包来获取这些值。 1.3 集合（set） 集合（set）是 Python 中的一种无序且不重复的可变数据结构，用于存储唯一的元素。集合主要用于执行集合相关的操作，如交集、并集和差集等。集合中的元素必须是不可变的对象（例如，数字、字符串、元组），但集合本身是可变的。 特点: 无序: 集合中的元素没有固定顺序，不能通过索引访问元素。 元素唯一: 集合中的所有元素都是唯一的，自动去重。 可变: 可以动态添加、删除元素。 高效查找: 集合基于哈希表实现，查找、插入、删除操作的时间复杂度为 O(1)。 元素必须是不可变对象: 例如，数字、字符串、元组可以作为集合元素，而列表和字典不能。 集合可以使用大括号 {} 或内置的 set() 函数创建。集合的操作如下： # 创建集合 my_set = {1, 2, 3, 4, 4} # 自动去重，重复的元素4只保留一个 print(my_set) # 输出: {1, 2, 3, 4} # 添加元素 my_set.add(5) # 向集合中添加元素5 print(my_set) # 输出: {1, 2, 3, 4, 5} # 删除元素 my_set.discard(5) # 删除元素5，不会引发错误 print(my_set) # 输出: {1, 2, 3, 4} # 随机删除并返回集合中的一个元素 popped_element = my_set.pop() # 随机删除并返回一个元素 print(f"被删除的元素: {popped_element}") print(my_set) # 输出集合的剩余元素 # 判断元素是否存在 print(2 in my_set) # 输出: True，2 在集合中 print(5 in my_set) # 输出: False，5 不在集合中 # 获取集合的长度 print(f"集合长度: {len(my_set)}") # 输出: 集合长度 # 清空集合 my_set.clear() # 清空集合 print(my_set) # 输出: set() # 集合运算 set1 = {1, 2, 3} set2 = {3, 4, 5} print(set1 & set2) # 输出: {3}，交集 print(set1 | set2) # 输出: {1, 2, 3, 4, 5}，并集 print(set1 - set2) # 输出: {1, 2}，差集 print(set1 ^ set2) # 输出: {1, 2, 4, 5}，对称差集（不同时存在于两个集合中的元素） # 遍历集合 for item in set1: print(f"集合中的元素: {item}") # 逐个打印集合中的元素 集合的常用方法: 方法描述add(x)向集合添加元素 xremove(x)删除元素 x，若不存在则报错discard(x)删除元素 x，若不存在不报错pop()随机删除一个元素并返回clear()清空集合union(set)返回两个集合的并集intersection(set)返回两个集合的交集difference(set)返回当前集合与另一个集合的差集symmetric_difference(set)返回两个集合的对称差集issubset(set)判断当前集合是否为另一个集合的子集issuperset(set)判断当前集合是否为另一个集合的超集isdisjoint(set)判断两个集合是否没有交集时间复杂度: 插入元素: O(1) 删除元素: O(1) 查找元素: O(1) 遍历集合: O(n) 应用场景: 去重: 适合用来快速去重。例如，将列表转换为集合后可以自动去除重复元素。 集合运算: 处理交集、并集、差集等集合相关操作的场景，如计算共同好友、差异项等。 快速查找: 利用集合的 O(1) 查找特性，适合用于大量元素的快速存在性检查。 1.4 字典（dict） 字典（dict）是 Python 中的一种无序的、可变的数据结构，用于存储键值对（key-value）。每个键是唯一的，并且与对应的值相映射。字典是 Python 中最常用的数据结构之一，适合存储和快速查找数据。 特点: 无序（Python 3.7+ 版本中字典按插入顺序保存，但仍称为无序结构）。 键唯一: 每个键在字典中是唯一的，重复的键会覆盖之前的值。 可变: 可以动态添加、删除、修改键值对。 键必须是不可变类型: 键可以是字符串、数字或元组，但不能是列表或字典。 快速查找: 字典查找操作的时间复杂度是 O(1)，非常高效。 字典使用大括号 {} 定义，键值对之间使用逗号分隔，键和值使用冒号 : 分隔。字典的操作如下： # 创建字典 my_dict = {'name': 'Alice', 'age': 25, 'city': 'New York'} # 访问字典中的值 print(my_dict['name']) # 输出: Alice # 使用 get() 方法访问不存在的键时返回默认值 print(my_dict.get('country', 'Not Found')) # 输出: Not Found # 修改字典中的值 my_dict['age'] = 26 print(my_dict) # 输出: {'name': 'Alice', 'age': 26, 'city': 'New York'} # 添加新的键值对 my_dict['country'] = 'USA' print(my_dict) # 输出: {'name': 'Alice', 'age': 26, 'city': 'New York', 'country': 'USA'} # 删除键值对 my_dict.pop('city') # 删除键 'city' print(my_dict) # 输出: {'name': 'Alice', 'age': 26, 'country': 'USA'} # 使用 del 删除键值对 del my_dict['age'] print(my_dict) # 输出: {'name': 'Alice', 'country': 'USA'} # 获取字典的键、值和键值对 print(my_dict.keys()) # 输出: dict_keys(['name', 'country']) print(my_dict.values()) # 输出: dict_values(['Alice', 'USA']) print(my_dict.items()) # 输出: dict_items([('name', 'Alice'), ('country', 'USA')]) # 遍历字典的键值对 for key, value in my_dict.items(): print(f"Key: {key}, Value: {value}") # 合并两个字典 other_dict = {'age': 30, 'job': 'Engineer'} my_dict.update(other_dict) print(my_dict) # 输出: {'name': 'Alice', 'country': 'USA', 'age': 30, 'job': 'Engineer'} # 清空字典 my_dict.clear() print(my_dict) # 输出: {} 字典的常用方法: 方法描述get(key[, default])返回指定键的值，如果键不存在，返回默认值pop(key[, default])删除并返回指定键的值keys()返回字典中所有键values()返回字典中所有值items()返回字典中所有键值对update(dict)使用另一个字典或键值对更新当前字典clear()清空字典copy()返回字典的浅复制时间复杂度: 访问元素: O(1) 插入/删除元素: O(1) 遍历字典: O(n) 应用场景: 快速查找数据: 通过唯一键快速查找对应的值，如用户名到用户数据的映射。 存储配置信息: 字典常用于存储配置信息，如应用程序的设置参数。 数据映射: 字典非常适合存储映射关系，如商品 ID 到商品详情的映射。