Python常用数据结构总结

以下是 Python 常用数据结构总结，涵盖基础类型、高级容器及适用场景，帮助快速掌握核心用法与特性对比：

一、基础数据结构

1. 列表（List）

• 特点：有序、可变、允许重复元素。
• 常用操作：
  nums = [1, 2, 3]
  nums.append(4)       # 末尾添加 → [1, 2, 3, 4]
  nums.insert(0, 0)    # 插入 → [0, 1, 2, 3, 4]
  nums.pop()           # 移除末尾 → 4
  nums[1:3] = [10, 20] # 切片修改 → [0, 10, 20, 3]

• 适用场景：动态数据集合，频繁增删或修改元素。

2. 元组（Tuple）

• 特点：有序、不可变、允许重复元素。
• 常用操作：
  point = (3, 4)
  x, y = point         # 解包 → x=3, y=4

• 适用场景：存储不可变数据（如配置项）、函数多返回值。

3. 字典（Dict）

• 特点：键值对、无序（Python 3.7+ 保持插入顺序）、键唯一。
• 常用操作：
  user = {"name": "Alice", "age": 30}
  user["email"] = "alice@example.com"  # 添加键值对
  age = user.get("age", 0)             # 安全获取值
  for key, value in user.items():      # 遍历键值对
      print(key, value)

• 适用场景：快速查找、关联数据存储（如JSON数据）。

4. 集合（Set）

• 特点：无序、元素唯一、支持集合运算。
• 常用操作：
  a = {1, 2, 3}
  b = {3, 4, 5}
  a | b   # 并集 → {1, 2, 3, 4, 5}
  a & b   # 交集 → {3}

• 适用场景：去重、成员检测、数学集合操作。

二、高级数据结构

1. 双端队列（deque）

• 模块：collections.deque
• 特点：线程安全、高效头尾插入/删除（O(1) 时间复杂度）。
• 示例：
  from collections import deque
  dq = deque([1, 2, 3])
  dq.appendleft(0)  # 左端添加 → deque([0, 1, 2, 3])
  dq.pop()          # 右端移除 → 3

• 适用场景：队列/栈实现、滑动窗口算法。

2. 堆（Heap）

• 模块：heapq
• 特点：实现最小堆，堆顶元素始终最小。
• 示例：
  import heapq
  heap = []
  heapq.heappush(heap, 3)  # 添加元素 → [3]
  heapq.heappop(heap)      # 弹出最小 → 3

• 适用场景：优先队列、Top K 问题。

3. 命名元组（namedtuple）

• 模块：collections.namedtuple
• 特点：具名字段的元组，增强可读性。
• 示例：
  from collections import namedtuple
  Point = namedtuple("Point", ["x", "y"])
  p = Point(3, 4)
  print(p.x, p.y)  # 3 4

• 适用场景：替代简单类，数据记录（如CSV行）。

4. 计数器（Counter）

• 模块：collections.Counter
• 特点：统计元素出现次数。
• 示例：
  from collections import Counter
  words = ["apple", "banana", "apple"]
  counter = Counter(words)  # {"apple": 2, "banana": 1}

• 适用场景：频率统计、词频分析。

三、数据结构对比

四、选择原则

1. 需要快速查找 → 字典、集合。
2. 保持插入顺序 → 列表（Python 3.7+ 的字典也保持顺序）。
3. 不可变数据 → 元组。
4. 高效头尾操作 → deque。
5. 元素频率统计 → Counter。

五、实用技巧

• 列表推导式：快速生成列表。
  squares = [x**2 for x in range(10)]

• 字典推导式：快速构建字典。
  word_lengths = {word: len(word) for word in ["apple", "banana"]}

• 合并字典（Python 3.9+）：
  dict1 = {"a": 1}
  dict2 = {"b": 2}
  merged = dict1 | dict2  # {"a": 1, "b": 2}

掌握这些数据结构及其适用场景，能显著提升代码效率与可读性。根据需求选择最合适的结构，是Python编程的核心技能之一！