全面解析Python内置数据结构及其使用示例目录序列类型 (Sequence Types)集合类型 (Set Types)映射类型 (Mapping Types)高级数据结构性能对比与选择建议1. 序列类型 (Sequence Types)1.1 列表 (List)特性有序、可变、允许重复元素# 创建列表 fruits [apple, banana, cherry] numbers [1, 2, 3, 4, 5] mixed [1, hello, 3.14, True] # 基本操作 fruits.append(orange) # 添加元素: [apple, banana, cherry, orange] fruits.insert(1, mango) # 插入元素: [apple, mango, banana, ...] fruits.remove(banana) # 删除指定值 last fruits.pop() # 删除并返回最后一个元素 fruits.sort() # 原地排序 fruits.reverse() # 原地反转 # 切片操作 sublist numbers[1:4] # [2, 3, 4] reversed_list numbers[::-1] # [5, 4, 3, 2, 1] # 列表推导式 squares [x**2 for x in range(10) if x % 2 0] # [0, 4, 16, 36, 64]1.2 元组 (Tuple)特性有序、不可变、允许重复元素# 创建元组 coordinates (10, 20) single (42,) # 单元素元组需要逗号 empty () # 解包 x, y coordinates # 元组作为字典键因为不可变 locations { (0, 0): 原点, (1, 0): 东, (0, 1): 北 } # 具名元组 (Named Tuple) from collections import namedtuple Point namedtuple(Point, [x, y]) p Point(11, y22) print(p.x, p.y) # 11 22 print(p[0] p[1]) # 33 (支持索引访问)1.3 字符串 (String)特性有序、不可变、Unicode字符序列text Hello, Python! # 常用方法 text.upper() # HELLO, PYTHON! text.lower() # hello, python! text.startswith(Hello) # True text.find(Python) # 7 (返回索引找不到返回-1) text.replace(Python, World) # Hello, World! text.split(, ) # [Hello, Python!] -.join([a, b, c]) # a-b-c # f-string 格式化 name Alice age 25 info f{name} is {age} years old1.4 范围 (Range)# range(start, stop, step) range(5) # 0, 1, 2, 3, 4 range(1, 10) # 1到9 range(0, 10, 2) # 0, 2, 4, 6, 8 range(10, 0, -1) # 10到1的倒数 # 转换为列表 list(range(5)) # [0, 1, 2, 3, 4]2. 集合类型 (Set Types)2.1 集合 (Set)特性无序、可变、元素唯一、不可哈希元素# 创建集合 s1 {1, 2, 3, 3, 3} # {1, 2, 3} (自动去重) s2 set([1, 2, 2, 3]) # {1, 2, 3} s3 set() # 空集合 (注意: {} 是空字典) # 添加和删除 s1.add(4) # {1, 2, 3, 4} s1.discard(5) # 删除元素不存在不报错 s1.remove(3) # 删除元素不存在报错 KeyError # 集合运算 a {1, 2, 3, 4} b {3, 4, 5, 6} a | b # 并集: {1, 2, 3, 4, 5, 6} a b # 交集: {3, 4} a - b # 差集: {1, 2} a ^ b # 对称差集: {1, 2, 5, 6} # 集合推导式 s {x for x in abracadabra if x not in abc} # {r, d}2.2 冻结集合 (Frozenset)特性不可变集合可作为字典键或集合元素fs frozenset([1, 2, 3]) # fs.add(4) # 报错: AttributeError # 可作为字典键 frozen_dict { frozenset([1, 2]): 一二, frozenset([3, 4]): 三四 }3. 映射类型 (Mapping Types)3.1 字典 (Dictionary)特性键值对存储键唯一且可哈希Python 3.7 保持插入顺序# 创建字典 person {name: Alice, age: 25, city: Beijing} config dict(hostlocalhost, port8080) empty {} # 访问和修改 person[name] # Alice person.get(gender, unknown) # unknown (安全获取) person[age] 26 # 修改 person[gender] female # 添加 # 删除 del person[city] age person.pop(age) # 删除并返回值 # 遍历 for key in person: print(key, person[key]) for key, value in person.items(): print(f{key}: {value}) # 合并字典 (Python 3.9) dict1 {a: 1, b: 2} dict2 {b: 3, c: 4} merged dict1 | dict2 # {a: 1, b: 3, c: 4} # 字典推导式 squares {x: x**2 for x in range(6)} # {0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25}3.2 默认字典 (defaultdict)from collections import defaultdict # 自动为不存在的键创建默认值 dd defaultdict(list) dd[fruits].append(apple) dd[fruits].append(banana) print(dd[fruits]) # [apple, banana] print(dd[vegetables]) # [] (自动创建空列表) # 使用lambda设置默认值 counter defaultdict(lambda: 0) counter[a] 1 # 1 print(counter[b]) # 03.3 有序字典 (OrderedDict)from collections import OrderedDict # Python 3.7 普通字典已保持顺序OrderedDict 提供额外功能 od OrderedDict([(a, 1), (b, 2), (c, 3)]) # 移动到末尾 od.move_to_end(a) # 将a移到最后 od.move_to_end(b, lastFalse) # 将b移到开头 # 反转 reversed_od OrderedDict(reversed(list(od.items())))4. 高级数据结构4.1 双端队列 (deque)from collections import deque # 创建双端队列 d deque([1, 2, 3]) # 高效的两端操作 d.append(4) # 右侧添加: deque([1, 2, 3, 4]) d.appendleft(0) # 左侧添加: deque([0, 1, 2, 3, 4]) d.pop() # 右侧弹出: 4 d.popleft() # 左侧弹出: 0 # 旋转 d deque([1, 2, 3, 4, 5]) d.rotate(2) # 向右旋转2位: deque([4, 5, 1, 2, 3]) d.rotate(-1) # 向左旋转1位: deque([5, 1, 2, 3, 4]) # 限制长度 (适合实现固定大小的缓存) cache deque(maxlen3) for i in range(10): cache.append(i) print(list(cache)) # [7, 8, 9] (只保留最后3个)4.2 计数器 (Counter)from collections import Counter # 统计元素出现次数 text abracadabra count Counter(text) print(count) # Counter({a: 5, b: 2, r: 2, c: 1, d: 1}) # 获取最常见元素 print(count.most_common(2)) # [(a, 5), (b, 2)] # 集合运算 c1 Counter(a3, b1) c2 Counter(a1, b2) c1 c2 # Counter({a: 4, b: 3}) (相加) c1 - c2 # Counter({a: 2}) (相减只保留正数) c1 c2 # Counter({a: 1, b: 1}) (取最小) c1 | c2 # Counter({a: 3, b: 2}) (取最大)4.3 堆队列 (heapq)import heapq # 堆优先队列- 最小堆 heap [3, 1, 4, 1, 5, 9, 2, 6] heapq.heapify(heap) # 转换为堆: [1, 1, 2, 3, 5, 9, 4, 6] # 堆操作 heapq.heappush(heap, 0) # 添加元素 smallest heapq.heappop(heap) # 弹出最小元素 # 获取n个最大/最小值 heapq.nsmallest(3, heap) # [1, 1, 2] heapq.nlargest(3, heap) # [9, 6, 5] # 合并多个有序列表 list1 [1, 3, 5] list2 [2, 4, 6] merged list(heapq.merge(list1, list2)) # [1, 2, 3, 4, 5, 6]4.4 数组 (array)from array import array # 类型码: i有符号整数, f浮点数, d双精度浮点数等 arr array(i, [1, 2, 3, 4, 5]) # 基本操作类似列表 arr.append(6) arr.insert(0, 0) arr.pop() # 优势比列表更节省内存存储的是C类型数据 # 适用于大量数值计算场景5. 性能对比与选择建议5.1 时间复杂度对比操作列表集合字典deque添加元素O(1)O(1)O(1)O(1)删除元素O(n)O(1)O(1)O(1)查找元素O(n)O(1)O(1)O(n)索引访问O(1)--O(1)5.2 使用场景建议场景推荐数据结构原因需要有序序列list支持索引和切片频繁两端操作dequeO(1) 两端操作去重和集合运算set自动去重高效集合运算键值对存储dict哈希表实现O(1) 查找需要默认值defaultdict自动处理缺失键统计频率Counter内置计数功能不可变序列tuple可作为字典键线程安全大量数值计算array内存效率高5.3 性能测试示例import time # 列表 vs 集合查找性能对比 data_list list(range(100000)) data_set set(range(100000)) target 99999 # 列表查找 start time.time() found target in data_list list_time time.time() - start # 集合查找 start time.time() found target in data_set set_time time.time() - start print(f列表查找时间: {list_time:.6f}秒) print(f集合查找时间: {set_time:.6f}秒) print(f集合快 {list_time/set_time:.0f} 倍)总结Python 提供了丰富的内置数据结构选择合适的数据结构可以显著提升代码的性能和可读性列表适合有序数据的存储和遍历字典适合快速查找和键值映射集合适合去重和集合运算元组适合不可变数据和作为字典键deque适合队列和两端频繁操作的场景Counter适合频率统计理解每种数据结构的特性和时间复杂度是编写高效Python代码的关键。