Python 内置的一些数据结构

2024-09-08 13:44
文章标签 python 数据结构 内置

本文主要是介绍Python 内置的一些数据结构,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

      • 1. 列表 (List)
      • 2. 元组 (Tuple)
      • 3. 字典 (Dictionary)
      • 4. 集合 (Set)
      • 5. 字符串 (String)


Python 提供了几种内置的数据结构来存储和操作数据,每种都有其独特的特点和用途。下面是一些常用的数据结构及其简要说明:

1. 列表 (List)

列表是一种可变的有序集合,可以存放任意类型的数据。列表中的元素可以通过索引访问,索引从0开始。

特点:

  • 可变性:可以添加、删除或修改元素
  • 异质性:列表中的元素可以是不同类型的数据。
  • 有序性:元素有固定的顺序。

示例:

my_list = [1, "two", 3.0]

2. 元组 (Tuple)

元组也是一种有序集合,但它一旦创建后就不能修改,即它是不可变的。

特点:

  • 不可变性:不能添加、删除或修改元素
  • 异质性:元组中的元素也可以是不同类型的数据。
  • 有序性:元素有固定的顺序

示例:

my_tuple = (1, "two", 3.0)

3. 字典 (Dictionary)

字典是一种可变的无序集合,它通过键值对来存储数据,每个键都唯一对应一个值。

特点:

  • 可变性:可以添加、删除或修改键值对。
  • 键的唯一性:每个键都是唯一的,不允许重复。
  • 无序性:Python 3.7之前,字典的元素是没有顺序的;从Python 3.7开始,由于实现的变化,字典保持了元素插入的顺序。

示例:

my_dict = {"one": 1, "two": 2, "three": 3}

4. 集合 (Set)

集合是一个无序且不包含重复元素的集合。

特点:

  • 无序性:集合中的元素没有固定的顺序。
  • 无重复性:集合内的元素都是唯一的,不允许重复。

示例:

my_set = {1, 2, 3, 3}  # 重复的3会被忽略
print(my_set)  # 输出: {1, 2, 3}

5. 字符串 (String)

虽然字符串通常被认为是基本数据类型,但在很多方面它们也表现得像一个数据结构,因为它们是由字符组成的序列。

特点:

  • 不可变性:字符串一旦创建就不可更改。
  • 有序性:字符串中的字符有固定的顺序。

示例:

my_string = "hello"

以上就是Python中常用的几种数据结构。每种结构都有自己的优势和最佳使用场景,选择合适的数据结构对于编写高效和易于维护的代码至关重要。

这篇关于Python 内置的一些数据结构的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1148273

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

6.1.数据结构-c/c++堆详解下篇(堆排序,TopK问题)

上篇:6.1.数据结构-c/c++模拟实现堆上篇(向下,上调整算法,建堆,增删数据)-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小): 2.2 C语言代码(手写堆) 2.3 C++代码(使用优先级队列 priority_queue)

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

《数据结构(C语言版)第二版》第八章-排序(8.3-交换排序、8.4-选择排序)

8.3 交换排序 8.3.1 冒泡排序 【算法特点】 (1) 稳定排序。 (2) 可用于链式存储结构。 (3) 移动记录次数较多,算法平均时间性能比直接插入排序差。当初始记录无序,n较大时, 此算法不宜采用。 #include <stdio.h>#include <stdlib.h>#define MAXSIZE 26typedef int KeyType;typedef char In

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',