1 list
基本用法 废话不多说,在前面单独有一个专题详述了list的使用。
使用场景 list 使用在需要查询、修改的场景,极不擅长需要频繁插入、删除元素的场景。
实现原理 list对应数据结构的线性表,列表长度在初始状态时无需指定,当插入元素超过初始长度后再启动动态扩容,删除时尤其位于列表开始处元素,时间复杂度为O(n)
2 tuple
元组是一类不允许添加删除元素的特殊列表,也就是一旦创建后续决不允许增加、删除、修改。
基本用法 元组大量使用在打包和解包处,如函数有多个返回值时打包为一个元组,赋值到等号左侧变量时解包。
In [22]: t=1,2,3
In [23]: type(t)
Out[23]: tuple
实际创建一个元组实例
使用场景 如果非常确定你的对象后面不会被修改,则可以大胆使用元组。为什么?因为相比于list, tuple实例更加节省内存,这点尤其重要。
In [24]: from sys import getsizeof
In [25]: getsizeof(list())
Out[25]: 72 # 一个list实例占用72个字节
In [26]: getsizeof(tuple())
Out[26]: 56 # 一个tuple实例占用56个字节
所以创建100个实例,tuple能节省1K多字节。
3 set
基本用法 set是一种里面不能含有重复元素的数据结构,这种特性天然的使用于列表的去重。
In [27]: a=[3,2,5,2,5,3]
In [28]: set(a)
Out[28]: {2, 3, 5}
除此之外,还有知道set结构可用于两个set实例的求交集、并集、差集等操作。
In [29]: a = {2,3,5}
In [30]: b = {3,4,6,2}
In [31]: a.intersection(b) # 求交集
Out[31]: {2, 3}
使用场景 如果只是想缓存某些元素值,且要求元素值不能重复时,适合选用此结构。并且set内允许增删元素,且效率很高。
实现原理 set在内部将值哈希为索引,然后按照索引去获取数据,因此删除、增加、查询元素效果都很高。
4 dict
基本用法 dict 是Python中使用最频繁的数据结构之一,字典创建由通过dict函数、{}写法、字典生成式等,增删查元素效率都很高。
d = {'a':1,'b':2} # {}创建字典
# 列表生成式
In [38]: d = {a:b for a,b in zip(['a','b'],[1,2])}
In [39]: d
Out[39]: {'a': 1, 'b': 2}
使用场景 字典尤其适合在查询多的场景,时间复杂度为O(1). 如leetcode第一题求解两数之和时,就会使用到dict的O(1)
查询时间复杂度。
同时,Python类中属性值等信息也都是缓存在__dict__
这个字典型数据结构中。
但是值得注意,dict占用字节数是list、tuple的3、4倍,因此对内存要求苛刻的场景要慎重考虑。
In [40]: getsizeof(dict())
Out[40]: 248
实现原理 字典是一种哈希表,同时保存了键值对。
以上4种数据结构相信大家都已经比较熟悉,因此言简意赅的介绍一遍。接下来再详细的介绍Python内置的更多数据结构使用。
【送书福利】:Python数据科学实践2本,此书JD销量排名24位:
点击图片,查看此书详情【送书方法】:最近分享最多的两位粉丝分别获取一本。请从公众号界面获取小编微信,备注:分享最多。如果3天内无回复,自动递推到下一位。