【python】list、tuple、dict、set、dataframe、narray、series之间的区别

目录

1、列表list和元组tuple之间的差异

2、dict和set之间的差异呢？

3、list和set之间的差异呢？

4、dict和dataframe之间的差异呢？

5、list和array之间的差异呢？

6、list和series之间的差异呢？

7、ndarray和darray差异？

---

作者：bandaoyu 链接：https://blog.csdn.net/bandaoyu/article/details/88374267

list、tuple、dict、set这4个是python的基本数据结构,其他几个不是, 是根据需要自己定义的数据结构.

1、列表list和元组tuple之间的差异

list列表和tuple元组的“技术差异”是，list列表是可变的，而tuple元组是不可变的。这是在 Python 语言中二者唯一的差别。（所以tuple大多数情况比list快）

2、dict和set之间的差异呢？

我这样理解，dict是键不重复的键值对集合，set是元素的集合

d ict= {

'Adam': 95,

'Lisa': 85,

'Bart': 59

}

set = ['Adam'，'Lisa'，'Bart']

3、list和set之间的差异呢？

List的特点：元素有放入顺序，Set特点：元素无放入顺序，元素不可重复。

更多：

Set重复元素会覆盖掉（注意：元素虽然没有放入顺序，但是元素在set中的位置是有该元素的hashcode决定的，其位置其实是固定的，加入set的Object必须定义equals()方法，另外list支持for循环，也就是通过下标来进行遍历，也可以用迭代器，但是set只能迭代，因为它是无序的，无法用下标来取得想要的值）。

Set和List的读写性能对比

Set:检索元素效率低下，删除和插入效率高，插入和删除不会引起元素位置变化。

List：和数组类似，List可以动态增长，查找元素效率高，插入删除元素效率低，因为会引起其他元素位置改变。

set转成list方法如下：                                                     list转成set方法如下：
s = set('12342212')                                                       l = ['12342212']
print s    # set(['1', '3', '2', '4'])                                       s = set(l[0])
l = list(s)                                                                         print s    # set(['1', '3', '2', '4'])
l.sort()    # 排序                                                             m = ['11','22','33','44','11','22']
print l    # ['1', '2', '3', '4']                                               print set(m)    # set(['11', '33', '44', '22'])

可见set和lsit可以自由转换，在删除list中多个/海量重复元素时，可以先转换成set，然后再转回list并排序(set没有排序)。此种方法不仅方便且效率较高。

Python的Set和List的性能比较 + 两者之间的转换_Linux编程_Linux公社-Linux系统门户网站

4、dict和dataframe之间的差异呢？

dataframe 具有行索引和列索引 如：

df=

dict是一个键值对集合：

dict = {'Name': 'Zara', 'Age': 7}

相互转换：

In [6]:
df=pd.DataFrame({'key':['a','b','c'],'data1':[1,2,3],'data2':[4,5,6]})  
print(df)


  key  data1  data2
0   a      1      4
1   b      2      5
2   c      3      6



In [7]:
dict2 = df.to_dict()
print(dict2)


{'key': {0: 'a', 1: 'b', 2: 'c'}, 'data1': {0: 1, 1: 2, 2: 3}, 'data2': {0: 4, 1: 5, 2: 6}}

转成以列的key为键，以存储列的值的list为值的dict

In [8]:

{col:df[col].tolist() for col in df.columns} 


Out[8]:

{'key': ['a', 'b', 'c'], 'data1': [1, 2, 3], 'data2': [4, 5, 6]}

python DataFrame转dict 字典——以columns列名为key，每列元素为value_mooncrystal123的博客-CSDN博客_dataframe 键值对

dateframe的处理：Python之DataFrame数据处理_谢彦的技术博客-CSDN博客_dataframe数据处理

5、list和array之间的差异呢？

list中的数据类不必相同的，而array的中的类型必须全部相同。
所以：

• list 是列表,可以通过索引查找数值，但是不能对整个列表进行数值运算
• array是数组,可以通过索引值查找值，能对整个数组进行数值运算

在list中的数据类型保存的是数据的存放的地址，简单的说就是指针，并非数据，这样保存一个list就太麻烦了，例如list1=[1,2,3,'a']需要4个指针和四个数据，增加了存储和消耗cpu。

In [96]: b=[1,2]

In [99]: b+b

Out[99]: [1, 2, 1, 2]

array是数组，也可以通过索引值查找数据，但是能对整个数组进行数值运算

In [100]: a=np.array([1,2])

In [103]: a+a

Out[103]: array([2, 4])

更多：python中的list和array的不同之处_HAHA的专栏-CSDN博客_python中的list和数组

6、list和series之间的差异呢？

series 可以看成是多了元素索引的list。

import pandas as pd 
list_a = [2,4,5,6] 
pd.Series(list_a) 

Out[14]:

0    2
1    4
2    5
3    6
dtype: int64

In [11]: pd.Series({'a':1,'b':3},index = ['b','a','c'])
Out[11]:
b    3.0
a    1.0
c    NaN
dtype: float64

【python】pandas库Series类型与基本操作详解_brucewong0516的博客-CSDN博客_series类型

7、ndarray和darray差异？

暂时没有找到答案。