### 5. 数据结构
本章详细讲述你已经学过的一些知识，并增加一些新内容。
### 5.1. 深入列表
列表数据类型还有更多的方法。这里是列表对象的所有方法：
list.append(*x*)
添加一个元素到列表的末尾；相当于a[len(a):]=[x]。
list.extend(*L*)
将给定列表中的所有元素附加到另一个列表的末尾；相当于a[len(a):]=L。
list.insert(*i*, *x*)
在给定位置插入一个元素。第一个参数是准备插入到其前面的那个元素的索引，所以 a.insert(0,x) 在列表的最前面插入，a.insert(len(a),x) 相当于 a.append(x)。
list.remove(*x*)
删除列表中第一个值为 *x* 的元素。如果没有这样的元素将会报错。
list.pop([*i*])
删除列表中给定位置的元素并返回它。如果未指定索引，a.pop() 删除并返回列表中的最后一个元素。（*i* 两边的方括号表示这个参数是可选的，而不是要你输入方括号。你会在 Python 参考库中经常看到这种表示法)。
list.index(*x*)
返回列表中第一个值为 *x* 的元素的索引。如果没有这样的元素将会报错。
list.count(*x*)
返回列表中 *x* 出现的次数。
list.sort(*cmp=None*, *key=None*, *reverse=False*)
原地排序列表中的元素（参数可以用来自定义排序方法，参考[sorted()](# "sorted")的更详细的解释）。
list.reverse()
原地反转列表中的元素。
使用了列表大多数方法的例子：
~~~
>>> a = [66.25, 333, 333, 1, 1234.5]
>>> print a.count(333), a.count(66.25), a.count('x')
2 1 0
>>> a.insert(2, -1)
>>> a.append(333)
>>> a
[66.25, 333, -1, 333, 1, 1234.5, 333]
>>> a.index(333)
1
>>> a.remove(333)
>>> a
[66.25, -1, 333, 1, 1234.5, 333]
>>> a.reverse()
>>> a
[333, 1234.5, 1, 333, -1, 66.25]
>>> a.sort()
>>> a
[-1, 1, 66.25, 333, 333, 1234.5]
>>> a.pop()
1234.5
>>> a
[-1, 1, 66.25, 333, 333]
~~~
你可能已经注意到像insert, remove 或者 sort之类的方法只修改列表而没有返回值打印出来 -- 它们其实返回了默认值None。这是 Python 中所有可变数据结构的设计原则。
#### 5.1.1. 用列表作为栈
列表方法使得将List当作栈非常容易，最先进入的元素最后一个取出（后进先出）。使用append()将元素添加到栈顶。使用不带索引的pop()从栈顶取出元素。例如：
~~~
>>> stack = [3, 4, 5]
>>> stack.append(6)
>>> stack.append(7)
>>> stack
[3, 4, 5, 6, 7]
>>> stack.pop()
7
>>> stack
[3, 4, 5, 6]
>>> stack.pop()
6
>>> stack.pop()
5
>>> stack
[3, 4]
~~~
#### 5.1.2. 用列表作为队列
也可以将列表当作队列使用，此时最先进入的元素第一个取出（先进先出）；但是列表用作此目的效率不高。在列表的末尾添加和弹出元素非常快，但是在列表的开头插入或弹出元素却很慢 (因为所有的其他元素必须向后移一位)。
如果要实现一个队列，可以使用[collections.deque](# "collections.deque")，它设计的目的就是在两端都能够快速添加和弹出元素。例如：
~~~
>>> from collections import deque
>>> queue = deque(["Eric", "John", "Michael"])
>>> queue.append("Terry") # Terry arrives
>>> queue.append("Graham") # Graham arrives
>>> queue.popleft() # The first to arrive now leaves
'Eric'
>>> queue.popleft() # The second to arrive now leaves
'John'
>>> queue # Remaining queue in order of arrival
deque(['Michael', 'Terry', 'Graham'])
~~~
#### 5.1.3. 函数式编程工具
有三个内置函数与列表一起使用时非常有用：[filter()](# "filter")、[map()](# "map")和[reduce()](# "reduce")。
filter(function,sequence)返回的序列由function(item)结果为真的元素组成。如果*sequence*是一个[字符串](# "string: Common string operations.")或[元组](# "tuple")，结果将是相同的类型；否则，结果将始终是一个[列表](# "list")。例如，若要计算一个不能被2和3整除的序列：
~~~
>>> def f(x): return x % 2 != 0 and x % 3 != 0
...
>>> filter(f, range(2, 25))
[5, 7, 11, 13, 17, 19, 23]
~~~
map(function,sequence) 为序列中的每一个元素调用 function(item) 函数并返回结果的列表。例如，计算列表中所有元素的立方值：
~~~
>>> def cube(x): return x*x*x
...
>>> map(cube, range(1, 11))
[1, 8, 27, 64, 125, 216, 343, 512, 729, 1000]
~~~
可以传入多个序列；此时，传入的函数也必须要有和序列数目相同的参数，执行时会依次用各序列上对应的元素来调用函数（如果某个序列比另外一个短，就用 None 代替）。例如：
~~~
>>> seq = range(8)
>>> def add(x, y): return x+y
...
>>> map(add, seq, seq)
[0, 2, 4, 6, 8, 10, 12, 14]
~~~
reduce(function,sequence) 只返回一个值，它首先以序列的前两个元素调用函数 *function*，然后再以返回的结果和下一个元素继续调用，依此执行下去。例如，若要计算数字 1 到 10 的总和：
~~~
>>> def add(x,y): return x+y
...
>>> reduce(add, range(1, 11))
55
~~~
如果序列中只有一个元素，将返回这个元素的值；如果序列为空，则引发异常。
可以传入第三个参数作为初始值。在这种情况下，如果序列为空则返回起始值，否则会首先以初始值和序列的第一个元素调用function，然后是返回值和下一个元素，依此执行下去。例如，
~~~
>>> def sum(seq):
... def add(x,y): return x+y
... return reduce(add, seq, 0)
...
>>> sum(range(1, 11))
55
>>> sum([])
0
~~~
不要使用示例中定义的[sum()](# "sum")：由于计算数字的总和是一个如此常见的需求，Python提供了内置的函数sum(sequence)，其工作原理和示例几乎一样。
#### 5.1.4. 列表推导式
列表推导式提供了一个生成列表的简洁方法。应用程序通常会从一个序列的每个元素的操作结果生成新的列表，或者生成满足特定条件的元素的子序列。
例如，假设我们想要创建一个列表 squares：
~~~
>>> squares = []
>>> for x in range(10):
... squares.append(x**2)
...
>>> squares
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
~~~
我们可以用下面的方式得到同样的结果：
~~~
squares = [x**2 for x in range(10)]
~~~
这也相当于squares =map(lambdax:x**2,range(10))，但是更简洁和易读。
列表推导式由括号括起来，括号里面包含一个表达式，表达式后面跟着一个[for](#)语句，后面还可以接零个或更多的[for](#)或[if](#)语句。结果是一个新的列表，由表达式依据其后面的[for](#)和[if](#)子句上下文计算而来的结果构成。例如，下面的 listcomp 组合两个列表中不相等的元素：
~~~
>>> [(x, y) for x in [1,2,3] for y in [3,1,4] if x != y]
[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]
~~~
它等效于：
~~~
>>> combs = []
>>> for x in [1,2,3]:
... for y in [3,1,4]:
... if x != y:
... combs.append((x, y))
...
>>> combs
[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]
~~~
注意在两个代码段中[for](#) 和 [if](#) 语句的顺序是相同的。
如果表达式是一个元组（例如前面示例中的 (x，y)），它必须带圆括号。
~~~
>>> vec = [-4, -2, 0, 2, 4]
>>> # create a new list with the values doubled
>>> [x*2 for x in vec]
[-8, -4, 0, 4, 8]
>>> # filter the list to exclude negative numbers
>>> [x for x in vec if x >= 0]
[0, 2, 4]
>>> # apply a function to all the elements
>>> [abs(x) for x in vec]
[4, 2, 0, 2, 4]
>>> # call a method on each element
>>> freshfruit = [' banana', ' loganberry ', 'passion fruit ']
>>> [weapon.strip() for weapon in freshfruit]
['banana', 'loganberry', 'passion fruit']
>>> # create a list of 2-tuples like (number, square)
>>> [(x, x**2) for x in range(6)]
[(0, 0), (1, 1), (2, 4), (3, 9), (4, 16), (5, 25)]
>>> # the tuple must be parenthesized, otherwise an error is raised
>>> [x, x**2 for x in range(6)]
File "<stdin>", line 1
[x, x**2 for x in range(6)]
^
SyntaxError: invalid syntax
>>> # flatten a list using a listcomp with two 'for'
>>> vec = [[1,2,3], [4,5,6], [7,8,9]]
>>> [num for elem in vec for num in elem]
[1, 2, 3, 4, 5, 6, 7, 8, 9]
~~~
列表推导式可以包含复杂的表达式和嵌套的函数：
~~~
>>> from math import pi
>>> [str(round(pi, i)) for i in range(1, 6)]
['3.1', '3.14', '3.142', '3.1416', '3.14159']
~~~
##### 5.1.4.1. 嵌套的列表推导式
列表推导式中的第一个表达式可以是任何表达式，包括另外一个列表推导式。
考虑下面由三个长度为 4 的列表组成的 3x4 矩阵：
~~~
>>> matrix = [
... [1, 2, 3, 4],
... [5, 6, 7, 8],
... [9, 10, 11, 12],
... ]
~~~
下面的列表推导式将转置行和列：
~~~
>>> [[row[i] for row in matrix] for i in range(4)]
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
~~~
正如我们在上一节中看到的，嵌套的 listcomp 在跟随它之后的[for](#) 字句中计算，所以此例等同于：
~~~
>>> transposed = []
>>> for i in range(4):
... transposed.append([row[i] for row in matrix])
...
>>> transposed
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
~~~
以此下去，还等同于：
~~~
>>> transposed = []
>>> for i in range(4):
... # the following 3 lines implement the nested listcomp
... transposed_row = []
... for row in matrix:
... transposed_row.append(row[i])
... transposed.append(transposed_row)
...
>>> transposed
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
~~~
在实际中，与复杂的控制流比起来，你应该更喜欢内置的函数。针对这种场景，使用 [zip()](# "zip") 函数会更好：
~~~
>>> zip(*matrix)
[(1, 5, 9), (2, 6, 10), (3, 7, 11), (4, 8, 12)]
~~~
关于本行中使用的星号的说明，请参阅[*参数列表的分拆*](#)。
### 5.2. [del](#)语句
有个方法可以从列表中根据索引而不是值来删除一个元素：[del](#)语句。这不同于有返回值的pop()方法。[del](#)语句还可以用于从列表中删除切片或清除整个列表（之前我们是将空列表赋值给切片）。例如：
~~~
>>> a = [-1, 1, 66.25, 333, 333, 1234.5]
>>> del a[0]
>>> a
[1, 66.25, 333, 333, 1234.5]
>>> del a[2:4]
>>> a
[1, 66.25, 1234.5]
>>> del a[:]
>>> a
[]
~~~
[del](#)也可以用于删除整个变量：
~~~
>>> del a
~~~
此后再引用名称 a 将会报错（直到有另一个值被赋给它）。稍后我们将看到[del](#)的其它用途 。
### 5.3. 元组和序列
我们已经看到列表和字符串具有很多共同的属性，如索引和切片操作。它们是*序列*数据类型的两个例子（参见[*序列类型 — str, unicode, list, tuple, bytearray, buffer, xrange*](#))。因为 Python 是一个正在不断进化的语言，其他的序列类型也可能被添加进来。还有另一种标准序列数据类型：*元组*。
元组由逗号分割的若干值组成，例如：
~~~
>>> t = 12345, 54321, 'hello!'
>>> t[0]
12345
>>> t
(12345, 54321, 'hello!')
>>> # Tuples may be nested:
... u = t, (1, 2, 3, 4, 5)
>>> u
((12345, 54321, 'hello!'), (1, 2, 3, 4, 5))
>>> # Tuples are immutable:
... t[0] = 88888
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'tuple' object does not support item assignment
>>> # but they can contain mutable objects:
... v = ([1, 2, 3], [3, 2, 1])
>>> v
([1, 2, 3], [3, 2, 1])
~~~
如你所见，元组在输出时总是有括号的，以便于正确表达嵌套结构；在输入时可以有也可以没有括号，不过括号经常都是必须的（如果元组是一个更大的表达式的一部分）。不能给元组中单独的一个元素赋值，不过可以创建包含可变对象（例如列表）的元组。
虽然元组看起来类似于列表，它们经常用于不同的场景和不同的目的。元组是[*不可变的*](#)，通常包含不同种类的元素并通过分拆（参阅本节后面的内容）或索引访问（如果是[namedtuples](# "collections.namedtuple")，甚至可以通过属性）。列表是[*可变的*](#)，它们的元素通常是相同的类型并通过迭代访问。
一个特殊的情况是构造包含0个或1个元素的元组：为了实现这种情况，语法上有一些奇怪。空元组由一对空括号创建；只有一个元素的元组由值后面跟随一个逗号创建 (在括号中放入单独一个值还不够）。丑陋，但是有效。例如：
~~~
>>> empty = ()
>>> singleton = 'hello', # <-- note trailing comma
>>> len(empty)
0
>>> len(singleton)
1
>>> singleton
('hello',)
~~~
语句t=12345,54321,'hello!' 是一个*元组封装*的例子： 值12345,54321 和 'hello!' 被一起放入一个元组。其逆操作也是可以的：
~~~
>>> x, y, z = t
~~~
这被称为 *序列分拆* 再恰当不过了，且可以用于右边的任何序列。序列分拆要求左侧变量的数目和序列中元素的数目相同。注意多重赋值只是同时进行元组封装和序列分拆。
### 5.4. 集合
Python还包含一个数据类型用于*集合*。集合中的元素没有顺序且不会重复。集合的基本用途有成员测试和消除重复的条目。集合对象还支持并集、交集、差和对称差等数学运算。
花括号或[set()](# "set")函数可以用于创建集合。注意：若要创建一个空的集合你必须使用set()，不能用{}；后者将创建一个空的字典，一个我们在下一节中要讨论的数据结构。
这里是一个简短的演示：
~~~
>>> basket = ['apple', 'orange', 'apple', 'pear', 'orange', 'banana']
>>> fruit = set(basket) # create a set without duplicates
>>> fruit
set(['orange', 'pear', 'apple', 'banana'])
>>> 'orange' in fruit # fast membership testing
True
>>> 'crabgrass' in fruit
False
>>> # Demonstrate set operations on unique letters from two words
...
>>> a = set('abracadabra')
>>> b = set('alacazam')
>>> a # unique letters in a
set(['a', 'r', 'b', 'c', 'd'])
>>> a - b # letters in a but not in b
set(['r', 'd', 'b'])
>>> a | b # letters in either a or b
set(['a', 'c', 'r', 'd', 'b', 'm', 'z', 'l'])
>>> a & b # letters in both a and b
set(['a', 'c'])
>>> a ^ b # letters in a or b but not both
set(['r', 'd', 'b', 'm', 'z', 'l'])
~~~
和[*列表推导式*](#)类似，集合也支持推导式：
~~~
>>> a = {x for x in 'abracadabra' if x not in 'abc'}
>>> a
set(['r', 'd'])
~~~
### 5.5. 字典
Python内建的另一种有用的数据类型是*字典*（见[*映射类型 — 字典*](#))。在其它语言中字典有时被称为“associative memories” 或者 “associative arrays”。与序列不同，序列由数字做索引，字典由 *key* 做索引，key可以是任意不可变类型；字符串和数字永远可以拿来做key。如果元组只包含字符串、 数字或元组，此元组可以用作key；如果元组直接或间接地包含任何可变对象，那么它不能用作键。不能用列表作为键，因为列表可以用索引、切片或者append()和extend()方法原地修改。
理解字典的最佳方式是把它看做无序的*键:值* 对集合，要求是键必须是唯一的（在同一个字典内）。一对花括号将创建一个空的字典：{}。花括号中由逗号分隔的键:值对将成为字典的初始值；打印字典时也是按照这种方式输出。
字典的主要操作是依据键来存取值。也可以通过del删除键:值对。如果用一个已经存在的键存储值，以前为该关键字分配的值就会被遗忘。用一个不存在的键读取值会导致错误。
字典对象的keys()方法返回字典中所有键组成的列表，列表的顺序是随机的（如果你想要排序，只需在它上面调用[sorted()](# "sorted")函数）。要检查某个键是否在字典中，可以使用[in](#)关键字。
下面是一个使用字典的小示例：
~~~
>>> tel = {'jack': 4098, 'sape': 4139}
>>> tel['guido'] = 4127
>>> tel
{'sape': 4139, 'guido': 4127, 'jack': 4098}
>>> tel['jack']
4098
>>> del tel['sape']
>>> tel['irv'] = 4127
>>> tel
{'guido': 4127, 'irv': 4127, 'jack': 4098}
>>> tel.keys()
['guido', 'irv', 'jack']
>>> 'guido' in tel
True
~~~
[dict()](# "dict")构造函数直接从键-值对序列创建字典：
~~~
>>> dict([('sape', 4139), ('guido', 4127), ('jack', 4098)])
{'sape': 4139, 'jack': 4098, 'guido': 4127}
~~~
此外，字典推导式式可以用于从任意键和值表达式创建字典：
~~~
>>> {x: x**2 for x in (2, 4, 6)}
{2: 4, 4: 16, 6: 36}
~~~
如果键都是简单的字符串，有时通过关键字参数指定 键-值 对更为方便：
~~~
>>> dict(sape=4139, guido=4127, jack=4098)
{'sape': 4139, 'jack': 4098, 'guido': 4127}
~~~
### 5.6. 遍历的技巧
遍历一个序列时，使用[enumerate()](# "enumerate")函数可以同时得到索引和对应的值。
~~~
>>> for i, v in enumerate(['tic', 'tac', 'toe']):
... print i, v
...
0 tic
1 tac
2 toe
~~~
同时遍历两个或更多的序列，使用[zip()](# "zip")函数可以成对读取元素。
~~~
>>> questions = ['name', 'quest', 'favorite color']
>>> answers = ['lancelot', 'the holy grail', 'blue']
>>> for q, a in zip(questions, answers):
... print 'What is your {0}? It is {1}.'.format(q, a)
...
What is your name? It is lancelot.
What is your quest? It is the holy grail.
What is your favorite color? It is blue.
~~~
要反向遍历一个序列，首先正向生成这个序列，然后调用 [reversed()](# "reversed") 函数。
~~~
>>> for i in reversed(xrange(1,10,2)):
... print i
...
9
7
5
3
1
~~~
循环一个序列按排序顺序，请使用[sorted()](# "sorted")函数，返回一个新的排序的列表，同时保留源不变。
~~~
>>> basket = ['apple', 'orange', 'apple', 'pear', 'orange', 'banana']
>>> for f in sorted(set(basket)):
... print f
...
apple
banana
orange
pear
~~~
遍历字典时，使用iteritems()方法可以同时得到键和对应的值。
~~~
>>> knights = {'gallahad': 'the pure', 'robin': 'the brave'}
>>> for k, v in knights.iteritems():
... print k, v
...
gallahad the pure
robin the brave
~~~
若要在循环内部修改正在遍历的序列（例如复制某些元素），建议您首先制作副本。在序列上循环不会隐式地创建副本。切片表示法使这尤其方便：
~~~
>>> words = ['cat', 'window', 'defenestrate']
>>> for w in words[:]: # Loop over a slice copy of the entire list.
... if len(w) > 6:
... words.insert(0, w)
...
>>> words
['defenestrate', 'cat', 'window', 'defenestrate']
~~~
### 5.7. 深入条件控制
while 和 if 语句中使用的条件可以包含任意的操作，而不仅仅是比较。
比较操作符 in 和 notin 检查一个值是否在一个序列中出现（不出现）。is 和 isnot 运算符比较两个对象是否为相同的对象；这只和列表这样的可变对象有关。所有比较运算符都具有相同的优先级，低于所有数值运算符。
比较可以级联。例如，a<b==c测试a是否小于b并且b是否等于c。
可以使用布尔运算符 and 和 or 组合，比较的结果（或任何其他的布尔表达式）可以用 not 取反。这些操作符的优先级又低于比较操作符；它们之间，not 优先级最高，or 优先级最低，所以 AandnotBorC 等效于 (Aand(notB))orC。与往常一样，可以使用括号来表示所需的组合。
布尔运算符and 和 or 是所谓的 *短路* 运算符：依参数从左向右求值，结果一旦确定就停止。例如，如果A 和 C 都为真，但B是假， AandBandC 将不计算表达式 C。用作一个普通值而非逻辑值时，短路操作符的返回值通常是最后一个计算的。
可以把比较或其它逻辑表达式的返回值赋给一个变量。例如，
~~~
>>> string1, string2, string3 = '', 'Trondheim', 'Hammer Dance'
>>> non_null = string1 or string2 or string3
>>> non_null
'Trondheim'
~~~
注意在Python中，与C不同，表达式的内部不能出现赋值。C程序员可能会抱怨这一点，但它避免了C程序中常见的一类问题：在表达式中输入=而真正的意图是==。
### 5.8. 序列和其它类型的比较
序列对象可以与具有相同序列类型的其他对象相比较。比较按照 *字典序* 进行： 首先比较两个序列的首元素，如果不同，就决定了比较的结果；如果相同，就比较后面两个元素，依此类推，直到其中一个序列穷举完。如果要比较的两个元素本身就是同一类型的序列，就按字典序递归比较。如果两个序列的所有元素都相等，就为序认列相等。如果一个序列是另一个序列的初始子序列，较短的序列就小于另一个。字符串的字典序按照单字符的 ASCII 顺序。下面是同类型序列之间比较的一些例子：
~~~
(1, 2, 3) < (1, 2, 4)
[1, 2, 3] < [1, 2, 4]
'ABC' < 'C' < 'Pascal' < 'Python'
(1, 2, 3, 4) < (1, 2, 4)
(1, 2) < (1, 2, -1)
(1, 2, 3) == (1.0, 2.0, 3.0
~~~
- Python 2 教程
- 1. 吊吊你的胃口
- 2. Python 解释器
- 3. Python简介
- 4. 控制流
- 5. 数据结构
- 6. 模块
- 7. 输入和输出
- 8. 错误和异常
- 9. 类
- 10. 标准库概览
- 11. 标准库概览 — 第II部分
- 12.现在怎么办?
- 13. 交互式输入的编辑和历史记录
- 14. 浮点数运算：问题和局限
- Python 2 标准库
- 1. 引言
- 2. 内建函数
- 3. 不太重要的内建函数
- 4. 内建的常量
- 5. 内建的类型
- 6. 内建的异常
- 7. String Services
- 8. Data Types
- 9. Numeric and Mathematical Modules
- 10. File and Directory Access
- 11. Data Persistence
- 13. File Formats
- 14. Cryptographic Services
- 15. Generic Operating System Services
- 16. Optional Operating System Services
- 17. Interprocess Communication and Networking
- 18. Internet Data Handling
- 20. Internet Protocols and Support
- 26. Debugging and Profiling
- 28. Python Runtime Services
- Python 2 语言参考
- 1. 简介
- 2. 词法分析
- 3. 数据模型
- 4. 执行模型
- 5. 表达式
- 6. 简单语句
- 7. 复合语句
- 8. 顶层的组件
- 9. 完整的语法规范
- Python 3 教程
- 1. 引言
- 2. Python 解释器
- 3. Python简介
- 4. 控制流
- 5. 数据结构
- 6. 模块
- 7. 输入和输出
- 8. 错误和异常
- 9. 类
- 10. 标准库概览
- 11. 标准库概览 — 第II部分
- 12.现在怎么办?
- 13. 交互式输入的编辑和历史记录
- 14. 浮点数运算：问题和局限