1. 引言Python作为一门简洁、易读且功能强大的编程语言其数据处理能力是其核心优势之一。无论是数据分析、机器学习还是日常脚本编写熟练掌握Python的基础数据操作都是必不可少的。本文将系统介绍Python中常用的数据结构及其基本操作并通过丰富的代码示例帮助读者快速上手。2. 基本数据类型Python内置了多种基本数据类型它们是构建更复杂数据结构的基础。2.1 数字类型Python支持整数int、浮点数float和复数complex。# 整数 a 10 b -5 浮点数 c 3.14 d 2.0 复数 e 1 2j f complex(3, 4) # 3 4j print(type(a)) # class int print(type(c)) # class float print(type(e)) # class complex2.2 数值运算与处理Python提供了丰富的数值运算和处理功能包括基本算术运算、数学函数、类型转换和数值比较等。2.2.1 基本算术运算Python支持所有基本的算术运算符# 基本算术运算 a 10 b 3 print(a b) # 加法13 print(a - b) # 减法7 print(a * b) # 乘法30 print(a / b) # 除法3.3333333333333335浮点数结果 print(a // b) # 整除3向下取整 print(a % b) # 取模1余数 print(a ** b) # 幂运算100010的3次方2.2.2 数学函数Python的math模块提供了丰富的数学函数import math 常用数学函数 print(math.sqrt(16)) # 平方根4.0 print(math.pow(2, 3)) # 幂运算8.0 print(math.exp(1)) # e的1次方2.718281828459045 print(math.log(10)) # 自然对数2.302585092994046 print(math.log10(100)) # 以10为底的对数2.0 print(math.sin(math.pi/2)) # 正弦函数1.0 print(math.cos(0)) # 余弦函数1.0 取整函数 print(math.floor(3.7)) # 向下取整3 print(math.ceil(3.2)) # 向上取整4 print(round(3.14159, 2)) # 四舍五入到2位小数3.14 绝对值 print(abs(-5)) # 5 print(math.fabs(-3.14)) # 3.14返回浮点数2.2.3 类型转换与精度处理数值类型之间可以相互转换但需要注意精度问题# 类型转换 int_num 10 float_num 3.14 complex_num 2 3j 显式类型转换 print(float(int_num)) # 10.0 print(int(float_num)) # 3截断小数部分 print(complex(int_num)) # (100j) 自动类型提升 result1 5 3.14 # int float → float8.14 result2 2 3j 4 # complex int → complex(63j) 精度处理 from decimal import Decimal, getcontext from fractions import Fraction 使用Decimal处理高精度小数 getcontext().prec 10 # 设置精度为10位 d1 Decimal(0.1) d2 Decimal(0.2) print(d1 d2) # 0.3精确结果不是0.30000000000000004 使用Fraction处理分数 f1 Fraction(1, 3) # 1/3 f2 Fraction(1, 6) # 1/6 print(f1 f2) # 1/2 print(float(f1 f2)) # 0.52.2.4 数值比较与判断Python提供了多种数值比较和判断方法# 比较运算符 x 10 y 20 print(x y) # False print(x ! y) # True print(x y) # True print(x y) # False print(x y) # True print(x y) # False 链式比较 print(5 x 15) # True10在5和15之间 特殊数值判断 import math num1 10 num2 float(nan) # 非数字 num3 float(inf) # 正无穷大 num4 -float(inf) # 负无穷大 print(math.isnan(num2)) # True print(math.isinf(num3)) # True print(math.isfinite(num1)) # True有限数 print(math.isclose(0.1 0.2, 0.3)) # True浮点数近似相等2.2.5 随机数生成random模块提供了随机数生成功能import random 生成随机整数 print(random.randint(1, 10)) # 1到10之间的随机整数包含1和10 print(random.randrange(0, 100, 5)) # 0到100之间步长为5的随机数 生成随机浮点数 print(random.random()) # [0.0, 1.0)之间的随机浮点数 print(random.uniform(1.5, 5.5)) # 1.5到5.5之间的随机浮点数 从序列中随机选择 colors [red, green, blue, yellow] print(random.choice(colors)) # 随机选择一个元素 print(random.sample(colors, 2)) # 随机选择2个不重复的元素 打乱序列顺序 cards [A, K, Q, J, 10] random.shuffle(cards) print(cards) # 打乱后的顺序掌握这些数值处理和运算方法能够帮助你在Python中更高效地进行数学计算和数据处理。2.2 布尔类型布尔类型只有两个值True和False常用于条件判断。is_valid True is_empty False print(10 5) # True print(10 5) # False2.3 字符串字符串是不可变序列用于表示文本数据。# 创建字符串 s1 Hello s2 World s3 多行 字符串 基本操作 print(s1 s2) # Hello World print(s1 * 3) # HelloHelloHello print(len(s1)) # 5 print(s1[0]) # H print(s1[1:4]) # ell3. 数据结构Python提供了多种内置数据结构用于组织和存储数据。3.1 列表List列表是有序、可变的序列可以包含不同类型的元素。# 创建列表 my_list [1, 2, 3, Python, True] empty_list [] list_from_range list(range(5)) # [0, 1, 2, 3, 4] 访问元素 print(my_list[0]) # 1 print(my_list[-1]) # True (最后一个元素) 修改元素 my_list[1] 20 print(my_list) # [1, 20, 3, Python, True] 常用方法 my_list.append(new) # 末尾添加 my_list.insert(2, insert) # 在索引2处插入 removed my_list.pop() # 移除并返回最后一个元素 print(removed) # True3.2 元组Tuple元组是有序、不可变的序列通常用于存储不可修改的数据。# 创建元组 my_tuple (1, 2, 3, Python) single_tuple (5,) # 单个元素的元组需要逗号 empty_tuple () 访问元素 print(my_tuple[0]) # 1 print(my_tuple[1:3]) # (2, 3) 元组不可修改 my_tuple[0] 10 # 会报错TypeError 解包 a, b, c, d my_tuple print(a, b, c, d) # 1 2 3 Python3.3 字典Dictionary字典是无序的键值对集合键必须是不可变类型。# 创建字典 my_dict {name: Alice, age: 25, city: Beijing} empty_dict {} dict_from_keys dict.fromkeys([a, b, c], 0) # {a: 0, b: 0, c: 0} 访问元素 print(my_dict[name]) # Alice print(my_dict.get(age)) # 25 print(my_dict.get(email, N/A)) # 键不存在时返回默认值 修改和添加 my_dict[age] 26 my_dict[email] aliceexample.com 常用方法 keys my_dict.keys() # 所有键 values my_dict.values() # 所有值 items my_dict.items() # 所有键值对 for key, value in my_dict.items(): print(f{key}: {value})3.4 集合Set集合是无序、不重复元素的集合支持数学集合运算。# 创建集合 my_set {1, 2, 3, 3, 4} # 重复元素自动去重{1, 2, 3, 4} empty_set set() # 注意{} 创建的是空字典 基本操作 my_set.add(5) my_set.remove(2) # 如果元素不存在会报错 my_set.discard(10) # 安全移除元素不存在也不报错 集合运算 set_a {1, 2, 3, 4} set_b {3, 4, 5, 6} print(set_a | set_b) # 并集{1, 2, 3, 4, 5, 6} print(set_a set_b) # 交集{3, 4} print(set_a - set_b) # 差集{1, 2} print(set_a ^ set_b) # 对称差集{1, 2, 5, 6}3.5 可变对象与不可变对象在Python中理解可变对象mutable和不可变对象immutable的区别对于编写正确、高效的代码至关重要。这一概念直接影响到数据的赋值、传递和修改行为。3.5.1 基本概念不可变对象Immutable对象创建后其内容不能被修改。如果尝试修改Python会创建一个新的对象。可变对象Mutable对象创建后其内容可以被修改而对象本身的标识内存地址保持不变。3.5.2 常见数据类型的可变性不可变类型数字int, float, complex字符串str元组tuple布尔值bool冻结集合frozenset可变类型列表list字典dict集合set字节数组bytearray用户自定义类默认可变3.5.3 示例对比示例1不可变对象字符串# 字符串是不可变对象 s1 Hello print(f原始字符串: {s1}, id: {id(s1)}) 尝试修改字符串 s2 s1 World # 创建新对象 print(f修改后字符串: {s2}, id: {id(s2)}) print(fs1是否改变: {s1}, id: {id(s1)}) 验证id不同 print(fid是否相同: {id(s1) id(s2)}) # False示例2可变对象列表# 列表是可变对象 list1 [1, 2, 3] print(f原始列表: {list1}, id: {id(list1)}) 直接修改列表内容 list1.append(4) # 原地修改 print(f修改后列表: {list1}, id: {id(list1)}) 验证id相同 print(fid是否相同: {id(list1) id(list1)}) # True3.5.4 赋值与引用的区别不可变对象的赋值# 不可变对象赋值创建新引用 a 10 b a # b和a指向同一个对象 print(fa: {a}, id: {id(a)}) print(fb: {b}, id: {id(b)}) print(fid是否相同: {id(a) id(b)}) # True 修改a的值 a 20 # 创建新对象 print(f修改后a: {a}, id: {id(a)}) print(fb是否改变: {b}, id: {id(b)}) # b不变可变对象的赋值# 可变对象赋值创建共享引用 list_a [1, 2, 3] list_b list_a # list_b和list_a指向同一个列表对象 print(flist_a: {list_a}, id: {id(list_a)}) print(flist_b: {list_b}, id: {id(list_b)}) 通过list_b修改列表 list_b.append(4) print(f修改后list_a: {list_a}) # list_a也被修改 print(f修改后list_b: {list_b}) 创建真正的副本 list_c list_a.copy() # 浅拷贝 list_c.append(5) print(flist_a: {list_a}) # 不受影响 print(flist_c: {list_c})3.5.5 函数参数传递的影响def modify_immutable(x): 修改不可变对象 x x 10 # 创建新对象 return x def modify_mutable(lst): 修改可变对象 lst.append(100) # 原地修改 return lst 测试不可变对象 num 5 print(f调用前num: {num}) result modify_immutable(num) print(f调用后num: {num}) # 不变 print(f返回值: {result}) 测试可变对象 my_list [1, 2, 3] print(f调用前my_list: {my_list}) result_list modify_mutable(my_list) print(f调用后my_list: {my_list}) # 被修改 print(f返回值: {result_list})3.5.6 实际应用建议使用不可变对象作为字典键字典的键必须是不可变类型因此字符串、数字、元组可以作为键但列表、字典、集合不能。线程安全不可变对象天然线程安全多个线程可以安全地共享不可变对象。缓存优化Python会对小整数和短字符串进行缓存因为不可变对象可以被安全地重用。函数式编程不可变对象更适合函数式编程范式避免副作用。性能考虑频繁修改字符串时考虑使用列表拼接再转换为字符串因为字符串连接会创建多个临时对象。# 示例字符串拼接的性能优化 # 低效方式创建多个临时字符串 result for i in range(1000): result str(i) # 每次循环都创建新字符串 高效方式使用列表 parts [] for i in range(1000): parts.append(str(i)) result .join(parts) # 只创建一次字符串理解可变与不可变的区别有助于避免常见的编程错误如意外修改共享数据、函数副作用等。在实际编程中应根据需求选择合适的数据类型并在需要时使用拷贝来避免意外的数据共享。4. 数据操作示例下面通过几个综合示例展示如何组合使用这些数据结构。4.1 学生成绩统计# 学生成绩数据 students [ {name: 张三, scores: [85, 90, 78]}, {name: 李四, scores: [92, 88, 95]}, {name: 王五, scores: [76, 82, 80]} ] 计算每个学生的平均分 for student in students: scores student[scores] avg_score sum(scores) / len(scores) student[average] round(avg_score, 2) print(f{student[name]}的平均分{student[average]}) 找出最高平均分的学生 best_student max(students, keylambda s: s[average]) print(f最高分学生{best_student[name]}平均分{best_student[average]})4.2 文本词频统计# 统计一段文本中单词的出现频率 text Python is an interpreted, high-level, general-purpose programming language. Pythons design philosophy emphasizes code readability with its notable use of significant whitespace. 清理文本并分割单词 words text.lower().replace(,, ).replace(., ).split() 统计词频 word_count {} for word in words: word_count[word] word_count.get(word, 0) 1 按频率排序 sorted_words sorted(word_count.items(), keylambda x: x[1], reverseTrue) 输出前5个最常见的单词 print(最常见的5个单词) for word, count in sorted_words[:5]: print(f{word}: {count}次)5. 总结本文介绍了Python的基础数据类型数字、布尔、字符串和核心数据结构列表、元组、字典、集合并通过实际示例演示了它们的基本操作。掌握这些基础知识是进行更复杂数据处理的前提。建议读者在理解概念后多动手编写代码尝试解决实际问题从而加深对Python数据操作的理解。学习建议理解每种数据结构的特点和适用场景掌握常用的内置方法如列表的append、字典的get练习组合使用不同数据结构解决实际问题阅读Python官方文档了解更多高级用法