Python指南：组合数据类型

本章我们将学习如何使用Python的组合数据类型将数据项集合在一起，以便在程序设计时有更多的选项。

组合数据类型

1、序列类型

Python提供了5中内置的序列类型：bytearray、bytes、list、str与tuple，序列类型支持成员关系操作符（in）、大小计算函数（len()）、分片（[]），并且是可可迭代的。

1.1 元组

元组是个有序序列，包含0个或多个对象引用，使用小括号包裹。元组是固定的，不能替换或删除其中包含的任意数据项。

1.1.1 元组的创建

使用()创建一个元组:

• 括号内不包含内容，则创建一个空元组
• 括号内包含使用逗号分隔的数据项，创建一个非空元组

也可以使用tuple()创建一个元组：

• 不指定参数时，返回一个空元组
• 使用tuple作为参数时，返回该参数的浅拷贝
• 其他参数时，尝试将给定的对象转换为tuple类型

1.1.2 元组索引和分片

tup = ('first', 5, 'white', 'dog')

print(tup[1])
print(tup[-2])
print(tup[1:])

[out]
5
white
(5, 'white', 'dog')

1.1.3 元组方法

元组只提供两种方法：

tup = ('1', 'first', '1', '1', '2')
print('count of "1":',tup.count('1'))
print('index of "2":',tup.index('2'))

[out]
count of "1": 3
index of "2": 4

1.1.4 元组运算符

与字符串一样，元组之间可以使用 + 号和 * 号进行运算。这就意味着他们可以组合和复制，运算后会生成一个新的元组。

1.1.5 元组的删除

元组中的元素值是不允许删除的，但我们可以使用del删除整个元组：

tup = ('python', 'hello', 1997, 2000);
print(tup)

del tup
print("After deleting tup : ")
print(tup)

[out]
('python', 'hello', 1997, 2000)
After deleting tup : 
---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-1-a12bbf13863f> in <module>()
      4 del tup
      5 print("After deleting tup : ")
----> 6 print(tup)

NameError: name 'tup' is not defined

1.1.6 无关闭分隔符

当元组出现在二进制操作符的左边或出现在unary语句的右边时，可以不使用圆括号。

a,b = (1,2) # left of binary operator
for x,y in ((1,2),(3,4),(5,6)): # left of binary operator
    print(x,y)

del a,b # right of unary statement
def f(x):
    return x,x**2 # right of unary statement

1.2 命名的元组

命名的元组（namedtuple）与普通元组一样，有相同的表现特征，其添加的功能就是可以根据名称引用元组中的项。

collections模块提供了namedtuple()函数，用于创建自定义的元组数据类型。该函数的第一个参数是想要创建的自定义元组数据类型的名称，第二个参数是一个字符串，其中包含使用空格分隔的名称，每个名称代表该元祖数据类型中的一项。该函数返回一个自定义的类，可用于创建命名的元组。

import collections
Sale = collections.namedtuple('Sale', 'productid customerid data quantity price')
sales = list()
sales.append(Sale(432,921,"2018-04-01",3,8.2))
sales.append(Sale(543,879,"2018-03-31",6,8.1))
print(sales)

[out]
[Sale(productid=432, customerid=921, data='2018-04-01', quantity=3, price=8.2), Sale(productid=543, customerid=879, data='2018-03-31', quantity=6, price=8.1)]

这里我们创建了包含两个Sale项的列表，我们可以使用索引位置来引用元组中的项，也可以使用名称进行引用，后者正式命名的元组的特点：

total = 0
for sale in sales:
    total += sale.quantity * sale.price
print('Total ￥{0:.2F}'.format(total))

[out]
Total ￥73.20

1.3 列表

列表是包含0个或多个对象引用的有序序列，支持与字符串以及元组一样的分片与步距语法，列表是可变的，因此我们可以对列表中的项进行删除或替换，插入、替换或删除列表中的分片也是可能的。

1.3.1 列表的创建

使用[]创建一个元组:

• 括号内不包含内容，则创建一个空列表
• 括号内包含使用逗号分隔的数据项，创建一个非空列表

也可以使用list()创建一个列表：

• 不指定参数时，返回一个空列表
• 使用list作为参数时，返回该参数的浅拷贝
• 其他参数时，尝试将给定的对象转换为list类型

1.3.2 列表索引和分片

lst = ['first', 5, 'white', 'dog']

print(lst[1])
print(lst[-2])
print(lst[1:])

[out]
5
white
[5, 'white', 'dog']

1.3.3 列表方法

下表中，L为列表。

L = [5, 'python', (1,2), 5, 'today']
L.append(9)
print('列表追加项：', L)
print('列表中5出现的次数：', L.count(5))

L.extend('hello')
print('追加迭代器中的项：',L)
print('"python"最左边索引值：', L.index('python'))

L.insert(1, 'insert')
print('在索引位置1处插入：', L)
pop_item = L.pop()
print('L末尾数据项：', pop_item)
print('移除末尾数据项后的结果：', L)

L.remove((1,2))
print('移除(1,2)后的列表：', L)

L.reverse()
print('反转后的列表：', L)

[out]
列表追加项： [5, 'python', (1, 2), 5, 'today', 9]
列表中5出现的次数： 2
追加迭代器中的项： [5, 'python', (1, 2), 5, 'today', 9, 'h', 'e', 'l', 'l', 'o']
"python"最左边索引值： 1
在索引位置1处插入： [5, 'insert', 'python', (1, 2), 5, 'today', 9, 'h', 'e', 'l', 'l', 'o']
L末尾数据项： o
移除末尾数据项后的结果： [5, 'insert', 'python', (1, 2), 5, 'today', 9, 'h', 'e', 'l', 'l']
移除(1,2)后的列表： [5, 'insert', 'python', 5, 'today', 9, 'h', 'e', 'l', 'l']
反转后的列表： ['l', 'l', 'e', 'h', 9, 'today', 5, 'python', 'insert', 5]

1.3.4 拆分操作符

任意可迭代的（列表、元组等）数据类型都可以使用序列拆分操作符进行拆分，即*。用于赋值操作符左边的两个或多个变量时，其中一个使用*进行引导，数据项将赋值给该变量，而所有剩下的数据项将给带星号的变量。

first, *rest, last = [1, 2, 3, 4, 5]
print(first, rest, last)

[out]
1 [2, 3, 4] 5

1.3.5 删除

由于列表是可变的，我们可以对其数据项进行删除。

• 删除单个数据项 # 删除一个数据项 L = [5, 'python', (1,2), 5, 'today'] del L[1] print('使用del删除一项：', L) L = [5, 'python', (1,2), 5, 'today'] L.pop(1) print('使用pop删除一项：', L) [out] 使用del删除一项： [5, (1, 2), 5, 'today'] 使用pop删除一项： [5, (1, 2), 5, 'today']
• 删除分片 # 删除分片 L = [5, 'python', (1,2), 5, 'today'] del L[1:3] print('使用del删除分片：', L) L = [5, 'python', (1,2), 5, 'today'] L[1:3] = [] print('使用[]删除分片：', L) [out] 使用del删除分片： [5, 5, 'today'] 使用[]删除分片： [5, 5, 'today']

1.3.6 列表内涵

列表内涵是一个表达式，也是一个循环，该循环有一个可选的、包含在方括号中的条件，作用是为列表生成数据项，并且可以使用条件过滤掉不需要的数据项，可以使用表达式，也可以使用附加条件。常见语法：

• [expression for item in iterable]
• [expression for item in iterable if condition]

在没有列表内涵时，我们找出1900~1940年之间所有的闰年，可能会这么写：

# 普通方法找1900~1940年之间的闰年
leaps = list()
for year in range(1900, 1940):
    if (year%4 == 0 and year%100 != 0) or (year%400 == 0):
        leaps.append(year)
print(leaps)

[out]
[1904, 1908, 1912, 1916, 1920, 1924, 1928, 1932, 1936]

学习了列表内涵之后我们可以简化程序：

# 列表内涵找1900~1940年之间的闰年
leaps = [year for year in range(1900, 1940) if (year%4 == 0 and year%100 != 0) or (year%400 == 0)]
print(leaps)

[out]
[1904, 1908, 1912, 1916, 1920, 1924, 1928, 1932, 1936]

两种方法等效，得到同样的结果。

2、集合类型

set也是一种组合数据类型，支持成员关系操作符（in）、对象大小计算操作符（len()），并且也是iterable。Python提供了两种内置的集合类型：可变的set类型，固定的frozenset类型。进行迭代时，集合类型以任意顺序提供其数据项。

只有可哈希运算的对象可以添加到集合中。所有的内置固定数据类型（比如float、frozenset、int、str、tuple）都是可哈希运算的，可以添加到集合中。内置的可变数据类型（比如dict、list、set）都不是可哈希运算的，不能添加到集合中。

2.1 集合

集合是0个或多个对象引用的无序组合。集合是可变的，因此可以很容易的添加和移除数据项，但是由于其中的项是无序的，因此没有索引位置的概念，也不能分片或按步距分片。

2.1.1 集合的创建

使用set()创建一个集合：

• 不指定参数时，返回一个空集合
• 使用set作为参数时，返回该参数的浅拷贝
• 其他参数时，尝试将给定的对象转换为集合

集合中包含的每个数据项都是独一无二的——添加重复的数据项固然不会引发问题，但是也毫无意义。比如，下面产生的三个集合是一样的：set('apple')、set('aple')、{‘e', 'p', 'l', 'a'}。鉴于此，集合常用于删除重复的数据项。比如，x是一个字符串列表，在执行x=list(set(x))之后，x中的每个字符串都是独一无二的，存放顺序是任意的。

2.1.2 集合方法与操作符

s、t为集合，x为数据项。

2.1.3 集合内涵

除了调用set()创建集合，或使用集合字面值创建集合外，我们可以使用集合内涵创建集合。集合内涵是一个表达式，也是一个带有可选条件的循环，支持的语法：

• {expression for item in iterable}
• {expression for item in iterable if condition}

2.2 固定集合

固定集合是指那种一旦创建就不能修改的集合，只能使用frozenset数据类型函数创建，不带参数调用时，frozenset()返回一个空的固定集合，带一个frozenset参数时，将返回改参数的 浅拷贝，对于任何其他类型的参数，都尝试将给定的对象转换为一个forzenset。

3、映射类型

映射是键-值数据项的组合，并提供了存取数据项及其键、值的方法。Python3.0支持两种无序的映射类型——内置的dict类型以及标准库中的collections.defaultdict类型。Python3.1引入了一种新的、有序的映射类型collections.OrderedDict，该类型是一个字典，与内置的dict有相同的方法和属性，但在存储数据项时以插入顺序进行。

3.1 字典

dict是一种无序的组合数据类型，其中包含0个或多个键-值对。

3.1.1 字典的创建

可以使用{}创建：

• 空的花括号创建一个空的字典
• 包含一个或多个逗号分隔的键值对，创建一个非空字典

也可以使用dict()函数创建：

• 不带参数，创建一个空的字典
• 带有dict类型的参数，返回该参数的浅拷贝
• 键值对组合的参数，创建非空字典

字典的键值是独一无二的，因此，如果向字典中添加一个已存在的键值项，实际效果是新值替换旧值。

3.1.2 字典方法

d为字典

上面提到了“视图”概念，其相对于通常的iterables有两个不同点：

• 如果该视图引用的字典发生变化，那么视图将反映该变化。
• 键视图与项视图支持一些类似于集合的操作：
• v & x # Intersection
• v | x # Union
• v - x # Difference
• v ^ x # Symmentric difference

注：两种通过键取值方式的比较

我们可以通过d[k] 和 d.get()两种形式来取值，比如我们进行词频统计时，使用words[word]+=1或words[word] = words.get(word, 0) + 1 都可以进行加1操作，但是如果单词第一次出现，第一种形式会产生KeyValue错误，第二种则会正确运行。

3.1.3 字典内涵

字典内涵是一个表达式，也是一个循环，该循环带有一个可选条件。语法：

• {keyexpression: valueexpression for key, value in iterable}
• {keyexpression: valueexpression for key, value in iterable if condition}

例：

# 使用字典内涵创建字典，其中每个键是当前目录中文件的文件名，值则为以字节计数的文件夹大小
import os
file_sizes = {name: os.path.getsize(name) for name in os.listdir('.')}
print(file_sizes)

[out]
{'.ipynb_checkpoints': 0, '第三章组合数据类型.ipynb': 12387}

3.2 默认字典

默认字典也是一种字典——这种字典包含普通字典所提供的所有操作符与方法，与其不同的是可以对遗失的键进行处理。

创建默认字典时，我们可以传入一个工厂函数，这样就会为遗失的键创建默认值。看下面例子

import collections
words = collections.defaultdict(int)
x = words['a']
print(x)

[out]
0

上面我们创建的默认字典words永远不会产生KeyError异常，如果遇到没有的键，其值通过工厂函数（int()）设置为0。

3.3 有序字典

有序字典collections.OrderedDict是以数据项的插入顺序进行存储。

import collections
d = collections.OrderedDict([('first', 1), ('second', 2), ('third', 3)])
print(d.keys())

[out]
odict_keys(['first', 'second', 'third'])

可以看出我们通过二元组列表创建有序字典后，获取去键视图也为有序的。

有序字典另一种稍专业一些的用途是生成排序字典。给定一个字典d，可以按如下方式转换为排序字典：d=collections.OrderedDict(sorted(d.items()))。

4、组合数据类型的迭代与复制

4.1 迭代子、迭代操作与函数

iterable数据类型每次返回其中的一个数据项。任意包含__iter__() 方法的对象或任意序列（也即包含__getitem__()方法的对象）都是一个iterable，并可以提供一个迭代子。迭代子是一个对象，该对象可以提供__next__()方法，该方法依次返回每个相继的数据项，并在没有数据项时产生StopIteration异常。

常见的迭代操作符与函数（s与t为序列）：

数据项返回的顺序依赖于底层的iterable。对列表和元组等情况，数据项的返回值通常从第一个数据项开始依次返回，而对于字典与集合，迭代子是任意顺序的返回项。

4.2 组合类型的复制

由于数据片总是曲子某个数据项的一个单独副本，所以获取一个列表的副本可以通过下面方式：

lst = ['apple', 'dog']
copy_of_lst = lst[:]
print(copy_of_lst)

[out]
['apple', 'dog']

对于字典和集合，可以使用dict.copy()和set.copy()来实现。此外，copy模块还提供了copy.copy() 函数，该函数返回给定对象的一个副本。

在以上各种组合数据类型创建的时候，提到可以使用工厂方法来创建一个组合数据类型的副本：

# 工厂方法创建副本
d = {'first':'hello', 'second':'world'}
L = ['hello', 'world']
s = {'hello', 'world'}

copy_of_dict = dict(d)
copy_of_list = list(L)
copy_of_set = set(s)

注意：以上的复制都是浅拷贝，也就是说，复制的只是对象引用而非对象本身。对于固定数据类型（数字、字符串等），这与复制的效果是相同的，但对于可变的数据类型，比如嵌套的组合类型，这意味着相关对象同时被原来的组合与复制得来的组合引用。请看下面代码：

# 浅拷贝实例
x = [12, 34, ['hello', 'world']]
y = x[:]
print(x, y)

y[0] = 56
y[2][1] = 'boy'
print(x, y)

[out]
[12, 34, ['hello', 'world']] [12, 34, ['hello', 'world']]
[12, 34, ['hello', 'boy']] [56, 34, ['hello', 'boy']]

从输出结果可以看出，前两项固定数据类型并没有同时改变，而列表中的列表同时变化，说明x与y的第三项都指向的同一列表的引用。我们可以使用深拷贝来避免此类问题：

import copy
# 浅拷贝实例
x = [12, 34, ['hello', 'world']]
y = copy.deepcopy(x)
print(x, y)

y[0] = 56
y[2][1] = 'boy'
print(x, y)

[out]
[12, 34, ['hello', 'world']] [12, 34, ['hello', 'world']]
[12, 34, ['hello', 'world']] [56, 34, ['hello', 'boy']]

从输出结果看，x与y已经完全独立了。