Python基础篇笔记①：列表、元组、字典、集合、字符串

1、列表和元组

1、定义

l = [1, 2, 'hello', 'world'] # 列表中同时含有 int 和 string 类型的元素
l
[1, 2, 'hello', 'world']

tup = ('jason', 22) # 元组中同时含有 int 和 string 类型的元素
tup
('jason', 22)

2、区别

总的来说，列表和元组都是有序的，可以存储任意数据类型的集合，区别主要在于下面这两点。

• 列表是动态的，长度可变，可以随意的增加、删减或改变元素。列表的存储空间略大于元组，性能略逊于元组。
• 元组是静态的，长度大小固定，不可以对元素进行增加、删减或者改变操作。元组相对于列表更加轻量级，性能稍优，初始化速度更快。
• 如果想对已有的元组做任何"改变"，那就只能重新开辟一块内存，创建新的元组了。

3、两者使用场景：

• 元素不需要改变时: 两三个元素，使用 tuple，元素多一点使用namedtuple。
• 元素需要改变时: 需要高效随机读取，使用list。需要关键字高效查找，采用 dict。去重，使用 set。大型数据节省空间，使用标准库 array。大型数据高效操作，使用 numpy.array。

2、字典和集合

1、定义

字典在 Python3.7+ 是有序的数据结构，而集合是无序的，其内部的哈希表存储结构，保证了其查找、插入、删除操作的高效性。所以，字典和集合通常运用在对元素的高效查找、去重等场景。

d1 = {'name': 'jason', 'age': 20, 'gender': 'male'}
d2 = dict({'name': 'jason', 'age': 20, 'gender': 'male'})
d3 = dict([('name', 'jason'), ('age', 20), ('gender', 'male')])
d4 = dict(name='jason', age=20, gender='male') 
d1 == d2 == d3 ==d4
True

s1 = {1, 2, 3}
s2 = set([1, 2, 3])
s1 == s2
True

与列表的对比，字典和集合操作的高效性。

字典和集合为什么能够如此高效，特别是查找、插入和删除操作？

 这当然和字典、集合内部的数据结构密不可分。不同于其他数据结构，字典和集合的内部结构都是一张哈希表。  

• 对于字典而言，这张表存储了哈希值（hash）、键和值这 3 个元素。
• 而对集合来说，区别就是哈希表内没有键和值的配对，只有单一的元素了。

注意：集合并不支持索引操作，因为集合本质上是一个哈希表，和列表不一样。

2、思考题

# Option A
d = {'name': 'jason', 'age': 20, 'gender': 'male'}

# Option B
d = dict({'name': 'jason', 'age': 20, 'gender': 'male'})

第一种方法更快，原因是不需要去调用相关的函数，而且像 {} 应该是关键字，内部会去直接调用底层C写好的代码

# 字典的键可以是一个列表吗？下面这段代码中，字典的初始化是否正确呢？
d = {'name': 'jason', ['education']: ['Tsinghua University', 'Stanford University']}

用列表作为 Key 在这里是不被允许的，因为列表是一个动态变化的数据结构，字典当中的 key 要求是不可变的，原因也很好理解，key 首先是不重复的，如果 Key 是可以变化的话，那么随着 Key 的变化，这里就有可能就会有重复的 Key，那么这就和字典的定义相违背；如果把这里的列表换成之前我们讲过的元组是可以的，因为元组不可变

3、字符串

1、不可变

首先注意，Python 的字符串是不可变的（immutable）。

Python 中字符串的改变，通常只能通过创建新的字符串来完成。新版本 Python 中拼接操作’+='是个例外

# 把'hello'的第一个字符'h'，改为大写的'H'
s = 'hello'
s[0] = 'H'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'str' object does not support item assignment


s = 'H' + s[1:]
s = s.replace('h', 'H')

Java有可变的字符串类型，比如 StringBuilder，每次添加、改变或删除字符（串），无需创建新的字符串，时间复杂度仅为 O(1)。Python 中并没有相关的数据类型，我们还是得老老实实创建新的字符串。

2、常见操作

拼接：加法操作符，string.join(iterable)

分割：string.split(separator)

# 常常应用于对数据的解析处理，比如我们读取了某个文件的路径，想要调用数据库的 API，去读取对应的数据
def query_data(namespace, table):
    """
    given namespace and table, query database to get corresponding
    data         
    """

path = 'hive://ads/training_table'
namespace = path.split('//')[1].split('/')[0] # 返回'ads'
table = path.split('//')[1].split('/')[1] # 返回 'training_table'
data = query_data(namespace, table) 

string.strip(str)，表示去掉首尾的 str 字符串；

string.lstrip(str)，表示只去掉开头的 str 字符串；

string.rstrip(str)，表示只去掉尾部的 str 字符串。

3、字符串格式化

print('no data available for person with id: {}, name: {}'.format(id, name))

其中的 string.format()，就是所谓的格式化函数；而大括号{}就是所谓的格式符，用来为后面的真实值——变量 name 预留位置。如果id = '123'、name='jason'，那么输出便是：

'no data available for person with id: 123, name: jason'

 

参考文献：

景霄《Python核心技术与实战》专栏