文章和代码等已经归档至【Github 仓库：https://github.com/timerring/dive-into-AI 】或者公众号【AIShareLab】回复 python 数据分析 也可获取。
数据结构和序列
元组
元组是一个固定长度，不可改变的 Python 序列对象。创建元组的最简单方式，是用逗号分隔一列值：
当用复杂的表达式定义元组，最好将值放到圆括号内，如下所示：
In [3]: nested_tup = (4, 5, 6), (7, 8)In [4]: nested_tupOut[4]: ((4, 5, 6), (7, 8))
复制代码
用 tuple 可以将任意序列或迭代器转换成元组：
In [5]: tuple([4, 0, 2])Out[5]: (4, 0, 2)
In [6]: tup = tuple('string')
In [7]: tupOut[7]: ('s', 't', 'r', 'i', 'n', 'g')
复制代码
可以用方括号访问元组中的元素。和 C、C++、JAVA 等语言一样，序列是从 0 开始的：
In [8]: tup[0]Out[8]: 's'
复制代码
元组中存储的对象可能是可变对象。一旦创建了元组，元组中的对象就不能修改了：
如果元组中的某个对象是可变的，比如列表，可以在原位进行修改：
In [11]: tup[1].append(3)
In [12]: tupOut[12]: ('foo', [1, 2, 3], True)
复制代码
可以用加号运算符将元组串联起来：
In [13]: (4, None, 'foo') + (6, 0) + ('bar',)Out[13]: (4, None, 'foo', 6, 0, 'bar')
复制代码
元组乘以一个整数，像列表一样，会将几个元组的复制串联起来：
In [14]: ('foo', 'bar') * 4Out[14]: ('foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'bar')
复制代码
对象本身并没有被复制，只是引用了它。
拆分元组
如果你想将元组赋值给类似元组的变量，Python 会试图拆分等号右边的值：
In [15]: tup = (4, 5, 6)
In [16]: a, b, c = tup
In [17]: bOut[17]: 5
复制代码
即使含有元组的元组也会被拆分：
In [18]: tup = 4, 5, (6, 7)
In [19]: a, b, (c, d) = tup
In [20]: dOut[20]: 7
复制代码
使用这个功能，你可以很容易地替换变量的名字，其它语言可能是这样：
但是在 Python 中，替换可以这样做：
In [21]: a, b = 1, 2
In [22]: aOut[22]: 1
In [23]: bOut[23]: 2
In [24]: b, a = a, b
In [25]: aOut[25]: 2
In [26]: bOut[26]: 1
复制代码
变量拆分常用来迭代元组或列表序列：
In [27]: seq = [(1, 2, 3), (4, 5, 6), (7, 8, 9)]
In [28]: for a, b, c in seq: ....: print('a={0}, b={1}, c={2}'.format(a, b, c))a=1, b=2, c=3a=4, b=5, c=6a=7, b=8, c=9
复制代码
另一个常见用法是从函数返回多个值。后面会详解。
Python 最近新增了更多高级的元组拆分功能，允许从元组的开头“摘取”几个元素。它使用了特殊的语法 *rest ，抓取剩余的部分组成列表：
In [29]: values = 1, 2, 3, 4, 5
In [30]: a, b, *rest = values
In [31]: a, bOut[31]: (1, 2)
In [32]: restOut[32]: [3, 4, 5]
复制代码
rest的部分是想要舍弃的部分，rest 的名字不重要。作为惯用写法，许多 Python 程序员会将不需要的变量使用下划线：
In [33]: a, b, *_ = values
复制代码
tuple 方法
因为元组的大小和内容不能修改，它的实例方法都很少。其中一个很有用的就是count（也适用于列表），它可以统计某个值出现频率：
In [34]: a = (1, 2, 2, 2, 3, 4, 2)
In [35]: a.count(2)Out[35]: 4
复制代码
列表
与元组对比，列表的长度可变、内容可以被修改。你可以用方括号定义，或用list函数：
In [37]: tup = ('foo', 'bar', 'baz')
In [38]: b_list = list(tup)
In [39]: b_listOut[39]: ['foo', 'bar', 'baz']
复制代码
list函数常用来在数据处理中实体化迭代器或生成器：
In [42]: gen = range(10)
In [43]: genOut[43]: range(0, 10)
In [44]: list(gen)Out[44]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
复制代码
添加和删除元素
用append在列表末尾添加元素：
In [45]: b_list.append('dwarf')
In [46]: b_listOut[46]: ['foo', 'peekaboo', 'baz', 'dwarf']
复制代码
insert可以在特定的位置插入元素：
In [47]: b_list.insert(1, 'red')
In [48]: b_listOut[48]: ['foo', 'red', 'peekaboo', 'baz', 'dwarf']
复制代码
插入的序号必须在 0 和列表长度之间。
警告：与append相比，insert耗费的计算量大，因为对后续元素的引用必须在内部迁移，以便为新元素提供空间。如果要在序列的头部和尾部插入元素，你可能需要使用collections.deque，一个双尾部队列。
insert 的逆运算是 pop，它移除并返回指定位置的元素**：
In [49]: b_list.pop(2)Out[49]: 'peekaboo'
In [50]: b_listOut[50]: ['foo', 'red', 'baz', 'dwarf']
复制代码
可以用remove去除某个值，remove会先寻找第一个值并除去：
In [51]: b_list.append('foo')
In [52]: b_listOut[52]: ['foo', 'red', 'baz', 'dwarf', 'foo']
In [53]: b_list.remove('foo')
In [54]: b_listOut[54]: ['red', 'baz', 'dwarf', 'foo']
复制代码
如果不考虑性能，使用append和remove，可以把 Python 的列表当做完美的“多重集”数据结构。
用in可以检查列表是否包含某个值：
In [55]: 'dwarf' in b_listOut[55]: True
复制代码
否定in可以再加一个 not：
In [56]: 'dwarf' not in b_listOut[56]: False
复制代码
在列表中检查是否存在某个值远比字典和集合速度慢，因为 Python 是线性搜索列表中的值，但在字典和集合中，在同样的时间内还可以检查其它项（基于哈希表）。
串联和组合列表
与元组类似，可以用加号将两个列表串联起来：
In [57]: [4, None, 'foo'] + [7, 8, (2, 3)]Out[57]: [4, None, 'foo', 7, 8, (2, 3)]
复制代码
如果已经定义了一个列表，用extend方法可以追加多个元素：
In [58]: x = [4, None, 'foo']
In [59]: x.extend([7, 8, (2, 3)])
In [60]: xOut[60]: [4, None, 'foo', 7, 8, (2, 3)]
复制代码
通过加法将列表串联的计算量较大，因为要新建一个列表，并且要复制对象。用extend追加元素，尤其是到一个大列表中，更为可取。
everything = []for chunk in list_of_lists: everything.extend(chunk)
复制代码
要比串联方法快：
everything = []for chunk in list_of_lists: everything = everything + chunk
复制代码
排序
你可以用sort函数将一个列表原地排序（不创建新的对象）：
In [61]: a = [7, 2, 5, 1, 3]
In [62]: a.sort()
In [63]: aOut[63]: [1, 2, 3, 5, 7]
复制代码
sort有一些选项，有时会很好用。其中之一是二级排序 key，可以用这个 key 进行排序。例如，我们可以按长度对字符串进行排序：
In [64]: b = ['saw', 'small', 'He', 'foxes', 'six']
In [65]: b.sort(key=len)
In [66]: bOut[66]: ['He', 'saw', 'six', 'small', 'foxes']
复制代码
稍后，我们会学习sorted函数，它可以产生一个排好序的序列副本。
二分搜索和维护已排序的列表
bisect模块支持二分查找，和向已排序的列表插入值。
In [67]: import bisect
In [68]: c = [1, 2, 2, 2, 3, 4, 7]
In [69]: bisect.bisect(c, 2)Out[69]: 4
In [70]: bisect.bisect(c, 5)Out[70]: 6
In [71]: bisect.insort(c, 6)
In [72]: cOut[72]: [1, 2, 2, 2, 3, 4, 6, 7]
复制代码
注意：bisect模块不会检查列表是否已排好序，进行检查的话会耗费大量计算。因此，对未排序的列表使用bisect不会产生错误，但结果不一定正确。
切片
用切边可以选取大多数序列类型的一部分，切片的基本形式是在方括号中使用start:stop：
In [73]: seq = [7, 2, 3, 7, 5, 6, 0, 1]
In [74]: seq[1:5]Out[74]: [2, 3, 7, 5]
复制代码
切片也可以被序列赋值：
In [75]: seq[3:4] = [6, 3]
In [76]: seqOut[76]: [7, 2, 3, 6, 3, 5, 6, 0, 1]
复制代码
切片的起始元素是包括的，不包含结束元素。因此，结果中包含的元素个数是stop - start。start或stop都可以被省略，省略之后，分别默认序列的开头和结尾，负数表明从后向前切片。
展示了正整数和负整数的切片。
在第二个冒号后面使用step，可以隔一个取一个元素：
In [81]: seq[::2]Out[81]: [7, 3, 3, 6, 1]
复制代码
一个聪明的方法是使用-1，它可以将列表或元组颠倒过来：
In [82]: seq[::-1]Out[82]: [1, 0, 6, 5, 3, 6, 3, 2, 7]
复制代码
序列函数
enumerate 函数
迭代一个序列时，你可能想跟踪当前项的序号。手动的方法可能是下面这样：
i = 0for value in collection: # do something with value i += 1
复制代码
Python 内建了一个enumerate函数，可以返回(i, value)元组序列：
for i, value in enumerate(collection): # do something with value
复制代码
当你索引数据时，使用enumerate的一个好方法是计算序列（唯一的）dict映射到位置的值：
In [83]: some_list = ['foo', 'bar', 'baz']
In [84]: mapping = {}# 同时列出序号和数据内容In [85]: for i, v in enumerate(some_list): ....: mapping[v] = i
In [86]: mappingOut[86]: {'bar': 1, 'baz': 2, 'foo': 0}
复制代码
sorted 函数
sorted函数可以从任意序列的元素返回一个新的排好序的列表：
In [87]: sorted([7, 1, 2, 6, 0, 3, 2])Out[87]: [0, 1, 2, 2, 3, 6, 7]
In [88]: sorted('horse race')Out[88]: [' ', 'a', 'c', 'e', 'e', 'h', 'o', 'r', 'r', 's']
复制代码
sorted函数可以接受和sort相同的参数。
zip 函数
zip可以将多个列表、元组或其它序列成对组合成一个元组列表：
In [89]: seq1 = ['foo', 'bar', 'baz']
In [90]: seq2 = ['one', 'two', 'three']
In [91]: zipped = zip(seq1, seq2)
In [92]: list(zipped)Out[92]: [('foo', 'one'), ('bar', 'two'), ('baz', 'three')]
复制代码
zip可以处理任意多的序列，元素的个数取决于最短的序列：
In [93]: seq3 = [False, True]
In [94]: list(zip(seq1, seq2, seq3))Out[94]: [('foo', 'one', False), ('bar', 'two', True)]
复制代码
zip的常见用法之一是同时迭代多个序列，可能结合enumerate使用：
In [95]: for i, (a, b) in enumerate(zip(seq1, seq2)): ....: print('{0}: {1}, {2}'.format(i, a, b)) ....:0: foo, one1: bar, two2: baz, three
复制代码
给出一个“被压缩的”序列，zip可以被用来解压序列。也可以当作把行的列表转换为列的列表。这个方法看起来有点神奇：
In [96]: pitchers = [('Nolan', 'Ryan'), ('Roger', 'Clemens'), ....: ('Schilling', 'Curt')]
In [97]: first_names, last_names = zip(*pitchers)
In [98]: first_namesOut[98]: ('Nolan', 'Roger', 'Schilling')
In [99]: last_namesOut[99]: ('Ryan', 'Clemens', 'Curt')
复制代码
reversed 函数
reversed可以从后向前迭代一个序列：
In [100]: list(reversed(range(10)))Out[100]: [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
复制代码
要记住reversed是一个生成器（后面详细介绍），只有实体化（即列表或 for 循环）之后才能创建翻转的序列。
字典
创建字典
字典更为常见的名字是哈希映射或关联数组。它是键值对的大小可变集合，键和值都是 Python 对象。创建字典的方法之一是使用尖括号，用冒号分隔键和值：
In [101]: empty_dict = {}
In [102]: d1 = {'a' : 'some value', 'b' : [1, 2, 3, 4]}
In [103]: d1Out[103]: {'a': 'some value', 'b': [1, 2, 3, 4]}
复制代码
访问字典
你可以像访问列表或元组中的元素一样，访问、插入或设定字典中的元素：
In [104]: d1[7] = 'an integer'
In [105]: d1Out[105]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer'}
In [106]: d1['b']Out[106]: [1, 2, 3, 4]
复制代码
你可以用检查列表和元组是否包含某个值的方法，检查字典中是否包含某个键：
In [107]: 'b' in d1Out[107]: True
复制代码
删除
可以用del关键字或pop方法（返回值的同时删除键）删除值：
In [111]: d1Out[111]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer', 5: 'some value', 'dummy': 'another value'}
In [112]: del d1[5]
In [114]: ret = d1.pop('dummy')
In [115]: retOut[115]: 'another value'
In [116]: d1Out[116]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer'}
复制代码
keys 和 values
keys 和 values 是字典的键和值的迭代器方法。虽然键值对没有顺序，这两个方法可以用相同的顺序输出键和值：
In [117]: list(d1.keys())Out[117]: ['a', 'b', 7]
In [118]: list(d1.values())Out[118]: ['some value', [1, 2, 3, 4], 'an integer']
复制代码
融合
用update方法可以将一个字典与另一个融合：
In [119]: d1.update({'b' : 'foo', 'c' : 12})
In [120]: d1Out[120]: {'a': 'some value', 'b': 'foo', 7: 'an integer', 'c': 12}
复制代码
update方法是原地改变字典，因此任何传递给update的键的旧的值都会被舍弃。
用序列创建字典
常常，你可能想将两个序列配对组合成字典。下面是一种写法：
mapping = {}for key, value in zip(key_list, value_list): mapping[key] = value
复制代码
因为字典本质上是 2 元元组的集合，dict 可以接受 2 元元组的列表：
In [121]: mapping = dict(zip(range(5), reversed(range(5))))
In [122]: mappingOut[122]: {0: 4, 1: 3, 2: 2, 3: 1, 4: 0}
复制代码
后面会谈到dict comprehensions，另一种构建字典的优雅方式。
默认值
下面的逻辑很常见：
if key in some_dict: value = some_dict[key]else: value = default_value
复制代码
因此，dict 的方法 get 和 pop 可以取默认值进行返回，上面的 if-else 语句可以简写成下面：
value = some_dict.get(key, default_value)
复制代码
get 默认会返回 None，如果不存在键，pop 会抛出一个例外。关于设定值，常见的情况是在字典的值是属于其它集合，如列表。例如，你可以通过首字母，将一个列表中的单词分类：
In [123]: words = ['apple', 'bat', 'bar', 'atom', 'book']
In [124]: by_letter = {}
In [125]: for word in words: # 取首字母 .....: letter = word[0] .....: if letter not in by_letter: # 没有该首字母，以该首字母为键，word为值 .....: by_letter[letter] = [word] .....: else: # 直接添加 .....: by_letter[letter].append(word) .....:
In [126]: by_letterOut[126]: {'a': ['apple', 'atom'], 'b': ['bat', 'bar', 'book']}
复制代码
setdefault方法就正是干这个的。前面的 for 循环可以改写为：
for word in words: letter = word[0] by_letter.setdefault(letter, []).append(word)
复制代码
collections模块有一个很有用的类，defaultdict，它可以进一步简化上面。传递类型或函数以生成每个位置的默认值：
from collections import defaultdictby_letter = defaultdict(list)for word in words: by_letter[word[0]].append(word)
复制代码
有效的键类型
字典的值可以是任意 Python 对象，而键通常是不可变的标量类型（整数、浮点型、字符串）或元组（元组中的对象必须是不可变的）。这被称为“可哈希性”。可以用hash函数检测一个对象是否是可哈希的（可被用作字典的键）：
In [127]: hash('string')Out[127]: 5023931463650008331
In [128]: hash((1, 2, (2, 3)))Out[128]: 1097636502276347782
In [129]: hash((1, 2, [2, 3])) # fails because lists are mutable---------------------------------------------------------------------------TypeError Traceback (most recent call last)<ipython-input-129-800cd14ba8be> in <module>()----> 1 hash((1, 2, [2, 3])) # fails because lists are mutableTypeError: unhashable type: 'list'
复制代码
要用列表当做键，一种方法是将列表转化为元组，只要内部元素可以被哈希，它也就可以被哈希：
In [130]: d = {}
In [131]: d[tuple([1, 2, 3])] = 5
In [132]: dOut[132]: {(1, 2, 3): 5}
复制代码
集合
创建
集合是无序的不可重复的元素的集合。你可以把它当做字典，但是只有键没有值。可以用两种方式创建集合：通过 set 函数或使用尖括号 set 语句：
In [133]: set([2, 2, 2, 1, 3, 3])Out[133]: {1, 2, 3}
In [134]: {2, 2, 2, 1, 3, 3}Out[134]: {1, 2, 3}
复制代码
集合支持合并、交集、差分和对称差等数学集合运算。考虑两个示例集合：
In [135]: a = {1, 2, 3, 4, 5}
In [136]: b = {3, 4, 5, 6, 7, 8}
复制代码
合并 union 或者 |
合并是取两个集合中不重复的元素。可以用union方法，或者|运算符：
In [137]: a.union(b)Out[137]: {1, 2, 3, 4, 5, 6, 7, 8}
In [138]: a | bOut[138]: {1, 2, 3, 4, 5, 6, 7, 8}
复制代码
交集 intersection 或者 &
交集的元素包含在两个集合中。可以用intersection或&运算符：
In [139]: a.intersection(b)Out[139]: {3, 4, 5}
In [140]: a & bOut[140]: {3, 4, 5}
复制代码
表 3-1 列出了常用的集合方法。
所有逻辑集合操作都有另外的原地实现方法，可以直接用结果替代集合的内容。对于大的集合，这么做效率更高：
In [141]: c = a.copy()
In [142]: c |= b
In [143]: cOut[143]: {1, 2, 3, 4, 5, 6, 7, 8}
In [144]: d = a.copy()
In [145]: d &= b
In [146]: dOut[146]: {3, 4, 5}
复制代码
与字典类似，集合元素通常都是不可变的。要获得类似列表的元素，必须转换成元组：
In [147]: my_data = [1, 2, 3, 4]
In [148]: my_set = {tuple(my_data)}
In [149]: my_setOut[149]: {(1, 2, 3, 4)}
复制代码
superset 和 subset
你还可以检测一个集合是否是另一个集合的子集或父集：
In [150]: a_set = {1, 2, 3, 4, 5}
In [151]: {1, 2, 3}.issubset(a_set)Out[151]: True
In [152]: a_set.issuperset({1, 2, 3})Out[152]: True
复制代码
集合的内容相同时，集合才对等：
In [153]: {1, 2, 3} == {3, 2, 1}Out[153]: True
复制代码
列表、集合和字典推导式
列表推导式！
列表推导式是 Python 最受喜爱的特性之一。它允许用户方便的从一个集合过滤元素，形成列表，在传递参数的过程中还可以修改元素。形式如下：
[expr for val in collection if condition]
复制代码
它等同于下面的 for 循环;
result = []for val in collection: if condition: result.append(expr)
复制代码
filter 条件可以被忽略，只留下表达式就行。例如，给定一个字符串列表，我们可以过滤出长度在 2 及以下的字符串，并将其转换成大写：
In [154]: strings = ['a', 'as', 'bat', 'car', 'dove', 'python']
In [155]: [x.upper() for x in strings if len(x) > 2]Out[155]: ['BAT', 'CAR', 'DOVE', 'PYTHON']
复制代码
字典的推导式 ！
用相似的方法，还可以推导集合和字典。字典的推导式如下所示：
dict_comp = {key-expr : value-expr for value in collection if condition}
复制代码
集合的推导式！
集合的推导式与列表很像，只不过用的是尖括号：
set_comp = {expr for value in collection if condition}
复制代码
与列表推导式类似，集合与字典的推导也很方便，而且使代码的读写都很容易。来看前面的字符串列表。假如我们只想要字符串的长度，用集合推导式的方法非常方便：
In [156]: unique_lengths = {len(x) for x in strings}
In [157]: unique_lengthsOut[157]: {1, 2, 3, 4, 6}
复制代码
map函数可以进一步简化：
In [158]: set(map(len, strings)) # 妙极Out[158]: {1, 2, 3, 4, 6}
复制代码
作为一个字典推导式的例子，我们可以创建一个字符串的查找映射表以确定它在列表中的位置：
In [159]: loc_mapping = {val : index for index, val in enumerate(strings)}
In [160]: loc_mappingOut[160]: {'a': 0, 'as': 1, 'bat': 2, 'car': 3, 'dove': 4, 'python': 5}
复制代码
嵌套列表推导式
假设我们有一个包含列表的列表，包含了一些英文名和西班牙名：
In [161]: all_data = [['John', 'Emily', 'Michael', 'Mary', 'Steven'], .....: ['Maria', 'Juan', 'Javier', 'Natalia', 'Pilar']]
复制代码
你可能是从一些文件得到的这些名字，然后想按照语言进行分类。现在假设我们想用一个列表包含所有的名字，这些名字中包含两个或更多的 e。可以用 for 循环来做：
names_of_interest = []for names in all_data: enough_es = [name for name in names if name.count('e') >= 2] names_of_interest.extend(enough_es)
复制代码
可以用嵌套列表推导式的方法，将这些写在一起，如下所示：
In [162]: result = [name for names in all_data for name in names .....: if name.count('e') >= 2]
In [163]: resultOut[163]: ['Steven']
复制代码
嵌套列表推导式看起来有些复杂。列表推导式的 for 部分是根据嵌套的顺序，过滤条件还是放在最后。下面是另一个例子，我们将一个整数元组的列表扁平化成了一个整数列表：
In [164]: some_tuples = [(1, 2, 3), (4, 5, 6), (7, 8, 9)]
In [165]: flattened = [x for tup in some_tuples for x in tup]
In [166]: flattenedOut[166]: [1, 2, 3, 4, 5, 6, 7, 8, 9]
复制代码
记住，for 表达式的顺序是与嵌套 for 循环的顺序一样（而不是列表推导式的顺序）：
flattened = []
for tup in some_tuples: for x in tup: flattened.append(x)
复制代码
你可以有任意多级别的嵌套，但是如果你有两三个以上的嵌套，你就应该考虑下代码可读性的问题了。分辨列表推导式的列表推导式中的语法也是很重要的：
In [167]: [[x for x in tup] for tup in some_tuples]Out[167]: [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
复制代码
这段代码产生了一个列表的列表，而不是扁平化的只包含元素的列表。
评论