「Python基础」数据结构比较

测试环境:Centos7+Python3.5

Python3中,常见的数据结构有四种,list, dict, set, tuple,以下是他们的一些比较

一、简介
list:列表,与C语言的list稍有不同。第一,Python的list可存储不同类型的数据;第二,Python的list分配空间时会多分一部分空间,避免重复创建list带来的开销。

列表的内部结构

上图就是list的内部实现,由于索引和数据是分离的,所以数据的类型可以是整型,或者是字符串,甚至是另一个list。
tuple:有序列表,但初始化后数据便不可修改(没有提供增删查改的方法)
dict:哈希表,数据存储的格式是一种键值对(key-value)的形式。根据key的值能直接找到对应的内存地址,进而找到数据,所以查找速度比list快
set:set的实现跟dict类似,只不过少了key,且数据不可重复

二、适用场景(优缺点,存在的意义)
list VS tuple:
1.list和tuple都是有序列表
2.list内的数据是可增删查改的,而tuple内的数据一旦初始化后便不可修改

list VS dict:

  1. list是有序的,dict是无序的;
  2. 两者都是可增删查改的;
  3. list的插入查找速度没有比dict快,且随着数据的增大差距更明显;
  4. 虽然list的速度较慢,但是占用内存较小(不用存储key)

set:set的数据也是无序的,适合于数据不重复的场景

三、增删查改及对应的时间复杂度(占用的空间)
http://www.orangecube.net/python-time-complexity

四、数据的迭代
四者都可通过for循环迭代,只不过dict迭代的是key

五、数据的排序

# list 有两种方式排序
>>> a = [3, 2, 1]  # 默认是升序,从低到高,可通过reverse参数指定升降序
>>> a.sort()
>>> a
[1, 2, 3]

>>> a
[3, 2, 1]
>>> sorted(a)
[1, 2, 3]

# dict
## 如果传入的是整个字典,则默认对key进行排序,key这个参数就没有作用
>>> d = {'aa': 1, 'bb': 2, 'cc': 5, 'ss': 3}
>>> d_sort = sorted(d, key=lambda x: x[1])
>>> d_sort
['aa', 'bb', 'cc', 'ss']

## 如果传入的是字典元素,则key参数起作用,可通过key排序,也可通过value排序,返回一个list
>>> d_sort = sorted(d.items(), key=lambda x: x[1], reverse=False)
>>> d_sort
[('aa', 1), ('bb', 2), ('ss', 3), ('cc', 5)]

# set的排序返回的是一个list
a = {1, 2, 3}
>>> sorted(a)
[1, 2, 3]
>>> type(sorted(a))
<class 'list'>

# tuple 数据不可变,所以不可以排序

六、数据的差集,交集和并集

list(set(a).union(set(b))) # 并集
list(set(b).difference(set(a))) # 差集, b中有而a中没有的
list(set(a).intersection(set(b))) # 交集

七、数据的排列组合
转载自此文章:https://blog.csdn.net/lanchunhui/article/details/49494265

组合

from itertools import combinations
combins = [c for c in combinations(range(5), 2)]
combins # 而且是按序排列
[(0, 1), (0, 2), (0, 3), (0, 4), (1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4)]

排列

from itertools import permutations
perms = permutations(range(5), 2)
perms
[(0, 1), (0, 2), (0, 3), (0, 4), (1, 0), (1, 2), (1, 3), (1, 4), (2, 0), (2, 1),
(2, 3), (2, 4), (3, 0), (3, 1), (3, 2), (3, 4), (4, 0), (4, 1), (4, 2), (4, 3)]

八、其它
1.dict 替换 key (dict[new_key] = dict.pop(key))
http://blog.csdn.net/jt674106399/article/details/76516186

2.dict 判断键是否存在(py2 用 dict.has_keys(), py3 用 key in dict)
https://blog.csdn.net/maverick1990/article/details/19908507

3.biset: 二分排序模块,比list高效
http://python.jobbole.com/86609/
https://www.cnblogs.com/skydesign/archive/2011/09/02/2163592.html

4.memoryview 和 bytearray: 适用与字节情况,如socket
https://segmentfault.com/q/1010000007137721

  1. List的append方法和 + 区别
    list = list + [i] # 将list 和 [i] 的值合并成一个新的list, 开销大
    list += [i] # 在list上直接操作,时间快一点
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,602评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,442评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,878评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,306评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,330评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,071评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,382评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,006评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,512评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,965评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,094评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,732评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,283评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,286评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,512评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,536评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,828评论 2 345

推荐阅读更多精彩内容