关于人工智能:Python的常见数据结构

文章和代码等曾经归档至【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。

元组是一个固定长度，不可扭转的 Python 序列对象。创立元组的最简略形式，是用逗号分隔一列值：

In [1]: tup = 4, 5, 6

当用简单的表达式定义元组，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_tup
Out[4]: ((4, 5, 6), (7, 8))

用 tuple 能够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]: tup
Out[7]: ('s', 't', 'r', 'i', 'n', 'g')

能够用方括号拜访元组中的元素。和 C、C++、JAVA 等语言一样，序列是从 0 开始的：

In [8]: tup[0]
Out[8]: 's'

元组中存储的对象可能是可变对象。一旦创立了元组，元组中的对象就不能批改了：

如果 元组中的某个对象是可变的，比方列表，能够在原位进行批改：

In [11]: tup[1].append(3)

In [12]: tup
Out[12]: ('foo', [1, 2, 3], True)

能够 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')

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') * 4
Out[14]: ('foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'bar')

对象自身并没有被复制，只是援用了它。

如果你想将元组赋值给相似元组的变量，Python 会试图 拆分等号左边的值：

In [15]: tup = (4, 5, 6)

In [16]: a, b, c = tup

In [17]: b
Out[17]: 5

即便 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]: d
Out[20]: 7

应用这个性能，你能够很容易地替换变量的名字，其它语言可能是这样：

tmp = a
a = b
b = tmp

然而在 Python 中，替换能够这样做：

In [21]: a, b = 1, 2

In [22]: a
Out[22]: 1

In [23]: b
Out[23]: 2

In [24]: b, a = a, b

In [25]: a
Out[25]: 2

In [26]: b
Out[26]: 1

变量拆分罕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=3
a=4, b=5, c=6
a=7, b=8, c=9

另一个常见用法是从函数返回多个值。前面会详解。

Python 最近新增了更多高级的元组拆分性能，容许从元组的结尾“摘取”几个元素。它应用了非凡的语法 *rest，抓取残余的局部组成列表：

In [29]: values = 1, 2, 3, 4, 5

In [30]: a, b, *rest = values

In [31]: a, b
Out[31]: (1, 2)

In [32]: rest
Out[32]: [3, 4, 5]

rest的局部是想要舍弃的局部，rest 的名字不重要。作为习用写法，许多 Python 程序员会将不须要的变量应用下划线：

In [33]: a, b, *_ = values

因为元组的大小和内容不能批改，它的实例办法都很少。其中一个很有用的就是count（也实用于列表），它能够统计某个值呈现频率：

In [34]: a = (1, 2, 2, 2, 3, 4, 2)

In [35]: a.count(2)
Out[35]: 4

与元组比照，列表的长度可变、内容能够被批改。你能够用方括号定义，或用 list 函数：

In [37]: tup = ('foo', 'bar', 'baz')

In [38]: b_list = list(tup)

In [39]: b_list
Out[39]: ['foo', 'bar', 'baz']

list函数罕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]: gen
Out[43]: range(0, 10)

In [44]: list(gen)
Out[44]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

用 append 在列表开端增加元素：

In [45]: b_list.append('dwarf')

In [46]: b_list
Out[46]: ['foo', 'peekaboo', 'baz', 'dwarf']

insert能够在特定的地位插入元素：

In [47]: b_list.insert(1, 'red')

In [48]: b_list
Out[48]: ['foo', 'red', 'peekaboo', 'baz', 'dwarf']

插入的序号必须在 0 和列表长度之间。

正告：与 append 相比，insert消耗的计算量大，因为对后续元素的援用必须在外部迁徙，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，你可能须要应用collections.deque，一个双尾部队列。

insert 的逆运算是 pop，它移除并返回指定地位的元素**：

In [49]: b_list.pop(2)
Out[49]: 'peekaboo'

In [50]: b_list
Out[50]: ['foo', 'red', 'baz', 'dwarf']

能够用 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_list
Out[52]: ['foo', 'red', 'baz', 'dwarf', 'foo']

In [53]: b_list.remove('foo')

In [54]: b_list
Out[54]: ['red', 'baz', 'dwarf', 'foo']

如果不思考性能，应用 append 和remove，能够把 Python 的列表当做完满的“多重集”数据结构。

用 in 能够查看列表是否蕴含某个值：

In [55]: 'dwarf' in b_list
Out[55]: True

否定 in 能够再加一个 not：

In [56]: 'dwarf' not in b_list
Out[56]: False

在列表中查看是否存在某个值远比字典和汇合速度慢，因为 Python 是线性搜寻列表中的值，但在字典和汇合中，在同样的工夫内还能够查看其它项（基于哈希表）。

与元组相似，能够用 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)]

如果曾经定义了一个列表，用 extend 办法能够追加多个元素：

In [58]: x = [4, None, 'foo']

In [59]: x.extend([7, 8, (2, 3)])

In [60]: x
Out[60]: [4, None, 'foo', 7, 8, (2, 3)]

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)

要比串联办法快：

everything = []
for chunk in list_of_lists:
    everything = everything + chunk

你能够 用sort函数将一个列表原地排序（不创立新的对象）：

In [61]: a = [7, 2, 5, 1, 3]

In [62]: a.sort()

In [63]: a
Out[63]: [1, 2, 3, 5, 7]

sort有一些选项，有时会很好用。其中之一是二级排序 key，能够用这个 key 进行排序。例如，咱们能够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]: b
Out[66]: ['He', 'saw', 'six', 'small', 'foxes']

稍后，咱们会学习 sorted 函数，它能够产生一个排好序的序列正本。

bisect模块反对二分查找，和向已排序的列表插入值。

bisect.bisect能够找到插入值后仍保障排序的地位，
bisect.insort是向这个地位插入值：

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]: c
Out[72]: [1, 2, 2, 2, 3, 4, 6, 7]

留神：bisect模块不会查看列表是否已排好序，进行查看的话会消耗大量计算。因而，对未排序的列表应用 bisect 不会产生谬误，但后果不肯定正确。

用切边能够选取大多数序列类型的一部分，切片的根本模式是在方括号中应用start:stop：

In [73]: seq = [7, 2, 3, 7, 5, 6, 0, 1]

In [74]: seq[1:5]
Out[74]: [2, 3, 7, 5]

切片也能够被序列赋值：

In [75]: seq[3:4] = [6, 3]

In [76]: seq
Out[76]: [7, 2, 3, 6, 3, 5, 6, 0, 1]

切片的起始元素是包含的，不蕴含完结元素。因而，后果中蕴含的元素个数是 stop - start。start 或stop都能够被省略，省略之后，别离默认序列的结尾和结尾，正数表明从后向前切片。

展现了正整数和负整数的切片。

在第二个冒号前面应用step，能够隔一个取一个元素：

In [81]: seq[::2]
Out[81]: [7, 3, 3, 6, 1]

一个聪慧的办法是 应用 -1，它能够 将列表或元组颠倒过去：

In [82]: seq[::-1]
Out[82]: [1, 0, 6, 5, 3, 6, 3, 2, 7]

迭代一个序列时，你可能想跟踪以后项的序号。手动的办法可能是上面这样：

i = 0
for value in collection:
   # do something with value
   i += 1

Python 内建了一个 enumerate 函数，能够返回 (i, value) 元组序列：

for i, value in enumerate(collection):
   # do something with value

当你索引数据时，应用 enumerate 的一个好办法是计算序列（惟一的）dict映射到地位的值：

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]: mapping
Out[86]: {'bar': 1, 'baz': 2, 'foo': 0}

sorted函数能够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']

sorted函数能够承受和 sort 雷同的参数。

zip能够将多个列表、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')]

zip能够解决任意多的序列，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)]

zip的常见用法之一是同时迭代多个序列，可能联合 enumerate 应用：

In [95]: for i, (a, b) in enumerate(zip(seq1, seq2)):
   ....:     print('{0}: {1}, {2}'.format(i, a, b))
   ....:
0: foo, one
1: bar, two
2: baz, three

给出一个“被压缩的”序列，zip能够被用来解压序列。也能够当作把行的列表转换为列的列表。这个办法看起来有点神奇：

In [96]: pitchers = [('Nolan', 'Ryan'), ('Roger', 'Clemens'),
   ....:             ('Schilling', 'Curt')]

In [97]: first_names, last_names = zip(*pitchers)

In [98]: first_names
Out[98]: ('Nolan', 'Roger', 'Schilling')

In [99]: last_names
Out[99]: ('Ryan', 'Clemens', 'Curt')

reversed能够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]

要记住 reversed 是一个生成器（前面具体介绍），只有实体化（即列表或 for 循环）之后能力创立翻转的序列。

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汇合，键和值都是 Python 对象。创立字典的办法之一是应用尖括号，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]: d1
Out[103]: {'a': 'some value', 'b': [1, 2, 3, 4]}

你能够像 拜访列表或元组中的元素一样，拜访、插入或设定字典中的元素：

In [104]: d1[7] = 'an integer'

In [105]: d1
Out[105]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer'}

In [106]: d1['b']
Out[106]: [1, 2, 3, 4]

你能够用查看列表和元组是否蕴含某个值的办法，查看字典中是否蕴含某个键：

In [107]: 'b' in d1
Out[107]: True

能够用 del 关键字或 pop 办法（返回值的同时删除键）删除值：

In [111]: d1
Out[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]: ret
Out[115]: 'another value'

In [116]: d1
Out[116]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer'}

keys 和 values 是字典的键和值的迭代器办法。尽管键值对没有程序，这 两个办法能够用雷同的程序输入键和值：

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']

用 update 办法能够将一个字典与另一个交融：

In [119]: d1.update({'b' : 'foo', 'c' : 12})

In [120]: d1
Out[120]: {'a': 'some value', 'b': 'foo', 7: 'an integer', 'c': 12}

update办法是原地扭转字典，因而任何传递给 update 的键的旧的值都会被舍弃。

经常，你可能想将两个序列配对组合成字典。上面是一种写法：

mapping = {}
for key, value in zip(key_list, value_list):
    mapping[key] = value

因为字典实质上是 2 元元组的汇合，dict 能够承受 2 元元组的列表：

In [121]: mapping = dict(zip(range(5), reversed(range(5))))

In [122]: mapping
Out[122]: {0: 4, 1: 3, 2: 2, 3: 1, 4: 0}

前面谈判到dict comprehensions，另一种构建字典的优雅形式。

上面的逻辑很常见：

if key in some_dict:
    value = some_dict[key]
else:
    value = default_value

因而，dict 的办法 get 和 pop 能够取默认值进行返回，下面的 if-else 语句能够简写成上面：

value = some_dict.get(key, default_value)

get 默认会返回 None，如果不存在键，pop 会抛出一个例外。对于设定值，常见的状况是在字典的值是属于其它汇合，如列表。例如，你能够通过首字母，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:
                  # 间接增加
   .....:         by_letter[letter].append(word)
   .....:

In [126]: by_letter
Out[126]: {'a': ['apple', 'atom'], 'b': ['bat', 'bar', 'book']}

setdefault办法就正是干这个的。后面的 for 循环能够改写为：

for word in words:
    letter = word[0]
    by_letter.setdefault(letter, []).append(word)

collections模块有一个很有用的类，defaultdict，它能够进一步简化下面。传递类型或函数以生成每个地位的默认值：

from collections import defaultdict
by_letter = defaultdict(list)
for word in words:
    by_letter[word[0]].append(word)

字典的值能够是任意 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”。能够用 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 mutable
TypeError: unhashable type: 'list'

要用列表当做键，一种办法是将列表转化为元组，只有外部元素能够被哈希，它也就能够被哈希：

In [130]: d = {}

In [131]: d[tuple([1, 2, 3])] = 5

In [132]: d
Out[132]: {(1, 2, 3): 5}

汇合是无序的不可反复的元素的汇合。你能够把它当做字典，然而 只有键没有值 。能够用两种形式创立汇合： 通过 set 函数或应用尖括号 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}

汇合反对合并、交加、差分和对称差等数学汇合运算。思考两个示例汇合：

In [135]: a = {1, 2, 3, 4, 5}

In [136]: b = {3, 4, 5, 6, 7, 8}

合并是取两个汇合中不反复的元素。能够用 union 办法，或者 | 运算符：

In [137]: a.union(b)
Out[137]: {1, 2, 3, 4, 5, 6, 7, 8}

In [138]: a | b
Out[138]: {1, 2, 3, 4, 5, 6, 7, 8}

交加的元素蕴含在两个汇合中。能够用 intersection 或&运算符：

In [139]: a.intersection(b)
Out[139]: {3, 4, 5}

In [140]: a & b
Out[140]: {3, 4, 5}

表 3 - 1 列出了罕用的汇合办法。

所有逻辑汇合操作都有另外的原地实现办法，能够间接用后果代替汇合的内容。对于大的汇合，这么做效率更高：

In [141]: c = a.copy()

In [142]: c |= b

In [143]: c
Out[143]: {1, 2, 3, 4, 5, 6, 7, 8}

In [144]: d = a.copy()

In [145]: d &= b

In [146]: d
Out[146]: {3, 4, 5}

与字典相似，汇合元素通常都是不可变的。要取得相似列表的元素，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_set
Out[149]: {(1, 2, 3, 4)}

你还能够检测一个汇合是否是另一个汇合的子集或父集：

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

汇合的内容雷同时，汇合才对等：

In [153]: {1, 2, 3} == {3, 2, 1}
Out[153]: True

列表推导式 是 Python 最受青睐的个性之一。它容许用户不便的从一个汇合过滤元素，造成列表，在传递参数的过程中还能够批改元素。模式如下：

[expr for val in collection if condition]

它等同于上面的 for 循环;

result = []
for val in collection:
    if condition:
        result.append(expr)

filter 条件能够被疏忽，只留下表达式就行。例如，给定一个字符串列表，咱们能够过滤出长度在 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']

用类似的办法，还能够推导汇合和字典。字典的推导式 如下所示：

dict_comp = {key-expr : value-expr for value in collection if condition}

汇合的推导式 与列表很像，只不过用的是尖括号：

set_comp = {expr for value in collection if condition}

与列表推导式相似，汇合与字典的推导也很不便，而且使代码的读写都很容易。来看后面的字符串列表。如果咱们只想要字符串的长度，用汇合推导式的办法十分不便：

In [156]: unique_lengths = {len(x) for x in strings}

In [157]: unique_lengths
Out[157]: {1, 2, 3, 4, 6}

map函数能够进一步简化：

In [158]: set(map(len, strings)) # 妙极
Out[158]: {1, 2, 3, 4, 6}

作为一个字典推导式的例子，咱们能够创立一个字符串的查找映射表以确定它在列表中的地位：

In [159]: loc_mapping = {val : index for index, val in enumerate(strings)}

In [160]: loc_mapping
Out[160]: {'a': 0, 'as': 1, 'bat': 2, 'car': 3, 'dove': 4, 'python': 5}

假如咱们有一个蕴含列表的列表，蕴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']]

你可能是从一些文件失去的这些名字，而后想依照语言进行分类。当初假如咱们想用一个列表蕴含所有的名字，这些名字中蕴含两个或更多的 e。能够用 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)

能够用嵌套列表推导式的办法，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]: result
Out[163]: ['Steven']

嵌套列表推导式看起来有些简单。列表推导式的 for 局部是依据嵌套的程序，过滤条件还是放在最初。上面是另一个例子，咱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]: flattened
Out[166]: [1, 2, 3, 4, 5, 6, 7, 8, 9]

记住，for 表达式的程序是与嵌套 for 循环的程序一样（而不是列表推导式的程序）：

flattened = []

for tup in some_tuples:
    for x in tup:
        flattened.append(x)

你能够有任意多级别的嵌套，然而如果你有两三个以上的嵌套，你就应该思考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]]

这段代码产生了一个列表的列表，而不是扁平化的只蕴含元素的列表。

关于人工智能:Python的常见数据结构

数据结构和序列

元组

拆分元组

tuple 办法

列表

增加和删除元素

串联和组合列表

排序

二分搜寻和保护已排序的列表

切片

序列函数

enumerate 函数

sorted 函数

zip 函数

reversed 函数

字典

创立字典

拜访字典

删除

keys 和 values

交融

用序列创立字典

默认值

无效的键类型

汇合

创立

合并 union 或者 |

交加 intersection 或者 &

superset 和 subset

列表、汇合和字典推导式

列表推导式！

字典的推导式！

汇合的推导式！

嵌套列表推导式