内置数据结构分类:
数值型
int , float , complex , bool
序列对象
字符串 str
列表 list
tuple(元组)
键值对
集合 set
字典 dict
数字型
int ,float , complex , bool都是class, 1,5.0 , 2+3j都是对象的实例
int : python3的int就是长整型,没有大小限制,受限于内存大小
float:有整数部分和小数部分组成,支持十进制和科学计数法表示,只有双精度型
complex:有实数和虚部组成,实部和虚部都是浮点数,3+4j
bool:int 的子类,仅有2个实例True和False 对应 1和0,可以和整数直接运算
列表 list()
列表是可变的,连续的(sequence),可以进行索引的,线性数据结构,可迭代的数据结构
区分:
list列表: 查找快...但是从修改(增/删)的时候,很麻烦很慢
link链表: 查找慢...但是修改快,查找很慢
queue(队列): 先进先出~
stack(栈): 先进后出,后进先出(堆栈)
列表list定义: 初始化
list() ->new empty list
list(iterable) -> new list initialized from iterable's items
list不能一开始就定义大小
lst = list() lst = [] lst = [2,5,6,'ab'] lst = list(range(5))
索引 index: 也叫下标,从0️开始
正索引: 从左至右,从0开始,为列表中每个单元进行编号
负索引:从右至左,从-1开始
正负索引不可超界,否则发生一场:Index Error
列表通过索引访问:list[index],index就是索引,使用中包括访问
列表查询方法:
1.L.index(valve,[start,stop])
通过元素值,从指定区间查找列表内的元素是否匹配
匹配到第一就立刻返回索引
匹配不到,抛出异常valveError
2.count(valve)
返回列表中匹配到valve的次数
时间复杂度:
index和count方法都是O(n)[遍历]
随着列表数据规模的增大,效率下降
len():输出列表的长度
列表元素修改
索引访问修改 ，索引不要超界
list[index] = valve
列表增加,插入列表
返回None意味着没有新的列表产生,就地修改
1.L.append(object) -> None
列表尾部追加元素,返回None
实际复杂度是O(1)
2.L.insert(index,object) -> None
在指定的索引 index处插入语元素
时间复杂度是O(n)
此处index可以超界:
超越上界,尾部追加;
超越下界,头部追加
3.L.extend(iterable) -> None
将可迭代对象的元素追加进来,返回None
返回 list ,意味着产生了新的list
1. + -> list
连接操作,将两个列表连接起来
产生新的列表,原列表不变
本质上调用的是__add___()方法
2. * -> list
重复操作,将本列表元素重复n次,返回新的列表
列表 * 重复的坑:
x = [[1,2,3]] * 3 print(x) x[0][1] = 20 print(x) [[1, 2, 3], [1, 2, 3], [1, 2, 3]] [[1, 20, 3], [1, 20, 3], [1, 20, 3]] y = [1] * 5 y[0] = 6 y[1] = 7 print(y) [6, 7, 1, 1, 1]
列表删除元素
1. L.remove(valve) -> None
从左至右查找第一个匹配Valve的值,移除该元素,返回None
就地修改
效率:时间复杂度= O(n)
2. L.pop([index]) -> item
不指定索引 index,就从列表尾部弹出一个元素
指定索引 index,就从index处弹出一个元素,索引超界抛出IndexError错误
效率:不指定索引 Index时 时间复杂度= O(1) ,指定索引(从头,或中间), 时间复杂度=O(n)
3. L.clear() -> None
清除列表所有元素,剩下一个空列表
其它列表操作
1. L.reserve() -> None
将列表元素反转,返回None
就地修改
2. L.sort(key=None,reserve=Flase) -> None
对列表元素进行排序,就地修改,默认升序
reserve为True,反转,降序
key= 一个函数,按照key的内容进行排序
lst.sort(key=functionname),exp: lst.sort(key = str) 按照字符串进行排序
3. in , not in
[3,4] in [1,2,[3,4]]
[5] not in [1,2,[3,4]]
for x in [1,2,[3,4]]
列表复制
L.copy() -> List
返回一个新的列表
1.浅拷贝shadow copy:
影子拷贝,也叫浅拷贝,遇到引用类型,只是复制了一个引用而已
lst0 = [1,[2,3,4],5] lst5 = lst0.copy() lst5[1][1] = 20 print(lst5) print(lst0) [1, [2, 20, 4], 5] [1, [2, 20, 4], 5]
2.深拷贝deepcopy
copy模块提供了deepcopy
import copy lst0 = [1,[2,3,4],5] lst5 = copy.deepcopy(lst0) lst5[1][1] = 20 lst5 ! == lst0 print(lst5) print(lst0) [1, [2, 20, 4], 5] [1, [2, 3, 4], 5]
随机数 random模块
1. random.randint(a,b) -> item
返回[a,b]之间的随机数
2. random.randrange([start],stop,[step]) -> item
从指定范围内,按指定基数递增的集合中获取一个随机数, 基数缺省值为1. random.randrange(1,7,2)
3. random.choice() -> item
从非空序列的元素中随机抽取一个元素,exp: random.choice(range(10)) 从0到9中随机挑选一个整数.random.choice([1,3,5,7])
4. random.shuffle(list) -> none
就地打乱列表元素
5. random.sample(population,k) -> list
从样本空间或总体(序列或者集合类型) 中随机取出 k个不同(索引位置)的元素,返回一个新的列表. exp:
random.sample(['a','b','c','d'],2) random.sample(['a','b'] ,2
元组
一个有序的元素组成的集合
使用小括号()表示
元组是不可变对象
元组的定义 初始化
定义:
tuple() -> empty tuple
tuple(iterable) -> tuple initialized from iterable's items
t = tuple()
t = ()
t = tuple(range(1,7,2)) 可迭代对象
t = (1,) # 一个元素元组的定义,注意要有个逗号
t = (1,) * 5
t = (1,2,3) * 6
元组元素的访问
支持索引(下标)
元组通过索引访问
tuple[index]: t[1]
正索引:从左至右,从0开始
负索引:从右至左,从-1开始
正负索引不可超界.否则引发一场Index Error
元组查询
1.t.index(valve,[start,stop])
通过值value,从指定区间查找元组内的元素是否匹配
匹配到第一就立刻返回索引
匹配不到,抛出异常valveError
2.count(valve)
返回元组中匹配到valve的次数
时间复杂度:
index和count方法都是O(n)[遍历]
随着列表数据规模的增大,效率下降
len():返回元素的个数
元组不可变,只读,所以没有增,删,改的方法
命名元组namedtuple
namedtuple(typename,field_names,verbose= False,rename=False)
命名元组,返回一个元组的子类,并定义了字段
field_names可以是空白符或逗号分割的字段的字符串,可以是字段的列表
from collections import namedtuple
point = namedtuple("_point",["x", "y"]) # point为返回的类
p = point(11,22)
Exp:
form collections import namedtuple
Student = namedtuple("Student","name age")
tom = Student("tom",20)
jerry = Student("jerry,18")
tome.name另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。