Python中的基本数据结构

一、常见数据结构：
1.容器类：列表（容器，存储元素），可存储数字，字符串、列表。

可用于添加、删除元素，可切片、索引和排序等。列表的索引从 0 开始。

使用举例：

list = [a,b,c,d]
list.append（）

2.元组（写保护的，无法修改元素，通常用来存放项目重要数据)。
元组的访问：元素拆解，单独访问元组的某个元素。/for循环遍历元组中全部元素。

使用举例：

tuple = （1，2，3，4）

tuple.add(6) 则会报错

3.集合：无序，不可重复。

常用于len（）-计算集合元素个数，for循环遍历集合的成员。

可以进行增删，常常用来去重。但是无法索引获取元素。（本质上是只有键的字典）

可以用来进行交、并、补等数学集合运算。

使用举例：

 

4.字典：反映键➖值对应关系，映射关系。

（后面的值可以是数字、字符串、列表、字典。）常用于数据的编号和索引。

使用举例：
Student={'name"：“小明’}
Student['age']=15
Student['class']=2
Student['score']=80
print(Student)

使用举例2:

dictionary = {('花花', '甜甜', '小爱', '小乖'): ['奶牛猫', '小花猫', '虎斑猫', '银渐层']} print(dictionary) 输出：{('花花', '甜甜', '小爱', '小乖'): ['奶牛猫', '小花猫', '虎斑猫', '银渐层']}  # 输出整个字典

 

二、列表、集合与dataframe的关联

DataFrame是表格形式，可以针对行列进行操作，由多个series组成。

DataFrames和Python列表是两种不同的数据类型。列表用于存储一组单独的元素。DataFrame是二维表格数据类型。区别在于：

1⃣️访问元素：列表使用——索引或切片。DataFrame——标签或位置（行列标签、行列号）
2⃣️功能：列表仅仅用于存储，DataFrame可用于数据清洗与分析。

举例代码：

# 创建一个Python列表
my_list = [1, 2, 3, 4, 5]

# 将列表转换为DataFrame
import pandas as pd
df = pd.DataFrame(my_list, columns=['numbers'])

# 显示DataFrame
print(df)

 

显示结果如下：