必须要掌握的几种Python数据结构

Python作为一门功能强大且易学的编程语言，其丰富的数据结构体系是其核心优势之一。

Python内置基础数据结构

1. 列表(List) - 动态数组

列表是Python中最常用的数据结构之一，它是一个可变序列，可以存储不同类型的元素。

# 创建和操作列表fruits = ["苹果", "香蕉", "橙子"]fruits.append("草莓")  # 添加元素print(fruits[1])      # 访问元素: 香蕉fruits[0] = "梨"      # 修改元素del fruits[2]         # 删除元素

列表支持丰富的操作和方法：

• 切片操作：fruits[1:3]
• 列表推导式：[x**2 for x in range(10)]
• 排序：fruits.sort()
• 反转：fruits.reverse()

2. 元组(Tuple) - 不可变序列

元组与列表类似，但创建后不能修改，常用于存储不应更改的数据。

# 元组的基本使用point = (10, 20)rgb = (255, 0, 0)  # 红色print(point    # 访问元素: 10# 元组解包x, y = point

元组的特点：

• 不可变性保证数据安全
• 比列表更节省内存
• 可作为字典的键(因为不可变)

3. 字典(Dictionary) - 键值对映射

字典是Python中高效的键值对存储结构，基于哈希表实现。

# 字典的创建和操作student = {"name": "张三", "age": 20, "score": 95}print(student["name"])    # 访问: 张三student["grade"] = "A"   # 添加新键值对del student["age"]       # 删除键值对# 字典方法print(student.keys())    # 所有键print(student.values())  # 所有值print(student.items())   # 所有键值对

字典的高级应用：

• 字典推导式：{x: x**2 for x in range(5)}
• 默认字典：from collections import defaultdict
• 有序字典：from collections import OrderedDict

4. 集合(Set) - 唯一元素容器

集合是无序且元素唯一的容器，支持数学集合运算。

# 集合操作numbers = {1, 2, 3, 2, 1}  # 自动去重: {1, 2, 3}set1 = {1, 2, 3}set2 = {3, 4, 5}# 集合运算print(set1.union(set2))        # 并集: {1, 2, 3, 4, 5}print(set1.intersection(set2)) # 交集: {3}print(set1.difference(set2))   # 差集: {1, 2}

集合的典型用途：

• 快速成员测试(比列表快)
• 去除重复元素
• 数学集合运算
• 
  

高级数据结构实现

1. 栈(Stack) - 后进先出(LIFO)

栈是一种限制插入和删除只能在一端进行的线性表。

class Stack:    def __init__(self):        self.items = []        def push(self, item):        self.items.append(item)        def pop(self):        return self.items.pop()        def is_empty(self):        return self.items == []        def peek(self):        return self.items[-1] if not self.is_empty() else None# 使用栈检查括号匹配def is_balanced(expression):    stack = Stack()    pairs = {')': '(', ']': '[', '}': '{'}    for char in expression:        if char in pairs.values():            stack.push(char)        elif char in pairs.keys():            if stack.is_empty() or stack.pop() != pairs[char]:                return False    return stack.is_empty()print(is_balanced("((1+2)*[3-4])"))  # True

栈的应用场景：

• 函数调用栈
• 括号匹配检查
• 表达式求值
• 浏览器历史记录

2. 队列(Queue) - 先进先出(FIFO)

队列是一种先进先出的线性表，Python中可使用collections.deque高效实现。

from collections import deque# 基本队列操作queue = deque()queue.append("任务1")queue.append("任务2")print(queue.popleft())  # 任务1# 双端队列dq = deque([1, 2, 3])dq.appendleft(0)  # 前端添加dq.pop()          # 后端删除

队列的变体：

• 优先队列：heapq模块
• 阻塞队列：多线程编程
• 循环队列：固定大小的队列

3. 链表(Linked List)

链表通过节点和指针实现，相比列表在插入删除操作上更高效。

class Node:    def __init__(self, data):        self.data = data        self.next = Noneclass LinkedList:    def __init__(self):        self.head = None        def append(self, data):        new_node = Node(data)        if not self.head:            self.head = new_node            return        last = self.head        while last.next:            last = last.next        last.next = new_node        def print_list(self):        temp = self.head        while temp:            print(temp.data, end=" -> ")            temp = temp.next        print("None")# 使用链表llist = LinkedList()llist.append(1)llist.append(2)llist.append(3)llist.print_list()  # 1 -> 2 -> 3 -> None

链表的类型：

• 单链表
• 双链表
• 循环链表

4. 树(Tree)结构

树是重要的非线性数据结构，二叉树是其中最常见的形式。

class TreeNode:    def __init__(self, value):        self.value = value        self.left = None        self.right = None# 构建简单二叉树root = TreeNode(1)root.left = TreeNode(2)root.right = TreeNode(3)root.left.left = TreeNode(4)root.left.right = TreeNode(5)# 递归前序遍历def preorder(node):    if node:        print(node.value)        preorder(node.left)        preorder(node.right)preorder(root)  # 输出: 1 2 4 5 3

树的常见类型：

• 二叉树
• 二叉搜索树(BST)
• AVL树(平衡二叉搜索树)
• 堆(完全二叉树)
• 
  

数据结构的选择与性能分析

1. 时间复杂度比较

2. 数据结构选择

• 需要有序数据：列表或元组

• 快速查找：字典或集合

• 唯一元素：集合

• 键值关联：字典

• 后进先出：栈

• 先进先出：队列

• 层次关系：树结构

3. 应用案例

案例1：使用字典统计词频

def word_count(text):    counts = {}    for word in text.split():        counts[word] = counts.get(word, 0) + 1    return countstext = "Python is great and Python is easy"print(word_count(text))# 输出: {'Python': 2, 'is': 2, 'great': 1, 'and': 1, 'easy': 1}

案例2：使用集合找出共同好友

alice_friends = {"Bob", "Charlie", "Diana"}bob_friends = {"Alice", "Charlie", "Eve"}common_friends = alice_friends.intersection(bob_friends)print(common_friends)  # {'Charlie'}

数据结构进阶

1. 不可变数据结构

Python中的不可变数据结构(如元组、字符串)在多线程环境下更安全，且可以作为字典的键。

# 使用元组作为字典键locations = {    (35.6895, 139.6917): "Tokyo",    (40.7128, -74.0060): "New York"}print(locations[(35.6895, 139.6917)])  # Tokyo

2. 内存视图与高效数据处理

对于大型数据集，可以使用memoryview或array模块减少内存消耗。

import array# 使用数组代替列表存储大量数值numbers = array.array('i', [1, 2, 3, 4, 5])  # 'i'表示有符号整数print(numbers  # 1

3. 数据结构的扩展库

• NumPy数组：科学计算的高效多维数组
• Pandas DataFrame：表格数据处理
• NetworkX：图结构处理

如果你觉得这篇文章有用，欢迎点赞、转发、收藏、留言、推荐❤！