当前位置:首页>python>Python 数据结构:从官方教程到实战选型

Python 数据结构:从官方教程到实战选型

  • 2026-10-11 06:29:05
Python 数据结构:从官方教程到实战选型

Python 的数据结构看起来简单:list、tuple、set、dict。真正写业务代码时,难点不在记住方法名,而在选对容器。

同样是一组数据,你可以用列表保存顺序,用集合去重,用字典按键查找,用元组表达固定记录。容器选错,后面就会出现重复循环、复杂判断、性能下降和可读性变差。

这篇文档基于 Python 3.14 中文官方教程《5. 数据结构》整理。官方教程覆盖列表、列表推导式、del、元组、集合、字典、循环技巧、条件控制和序列比较。本文会在此基础上扩展常见实战:deque、Counter、defaultdict、排序 key、堆、浅拷贝、分组、去重、Top K 和日志分析。

先建立一张选择地图

选择数据结构时,先问四个问题:

数据是否需要保持顺序?需要频繁按位置访问,就用 list 或 tuple。

数据是否需要修改?需要增删改,用 list;表达固定记录,用 tuple。

数据是否需要唯一性和成员检测?用 set。

数据是否天然是“键 → 值”?用 dict。

除此之外,标准库还有几类非常实用的专用容器:collections.deque 适合队列和滑动窗口,collections.Counter 适合计数,collections.defaultdict 适合分组聚合,heapq 适合优先级队列和 Top K。

列表:最常用的可变序列

官方教程先从 list 开始,因为列表是 Python 最常用的容器。它是有序、可变、按整数索引访问的序列。官方列出的核心方法包括 append、extend、insert、remove、pop、clear、index、count、sort、reverse、copy。

列表最适合这几类场景:

保存一串同类元素,例如用户 ID、日志行、商品对象。

需要按位置访问,例如 items[0]、items[-1]。

需要追加、排序、切片、批量构造。

users = ["alice", "bob", "carol"]users.append("dave")users.extend(["eric", "frank"])first = users[0]last_two = users[-2:]users.sort()

有一个设计点值得记住:会原地修改列表的方法通常返回 None。例如 append、sort、reverse。这能提醒你区分“修改原对象”和“生成新对象”。

numbers = [3, 1, 2]result = numbers.sort()print(numbers)  # [1, 2, 3]print(result)   # None

实战里,sorted(numbers) 更适合生成新列表,numbers.sort() 更适合原地更新。

raw_scores = [80, 95, 72]ranked = sorted(raw_scores, reverse=True)print(raw_scores)  # [80, 95, 72]print(ranked)      # [95, 80, 72]

列表做栈:天然合适

官方教程用 append 和 pop 演示了栈。栈是后进先出结构,列表末尾追加和弹出都很自然。

stack = []stack.append("parse")stack.append("validate")stack.append("save")while stack:    step = stack.pop()    print(step)

这类写法常见于撤销栈、深度优先搜索、括号匹配和表达式求值。

def is_valid_parentheses(text: str) -> bool:    pairs = {")": "(", "]": "[", "}": "{"}    stack = []    for char in text:        if char in "([{":            stack.append(char)        elif char in pairs:            if stack == [] or stack.pop() != pairs[char]:                return False    return stack == []

列表做队列:语义可以,性能绕路

官方教程提醒:列表也能做先进先出队列,但从列表开头插入或删除会移动后续元素。队列更适合 collections.deque。

from collections import dequequeue = deque(["task-1", "task-2"])queue.append("task-3")while queue:    task = queue.popleft()    print("handle", task)

经验规则很简单:栈用 list,队列用 deque。

列表推导式:把“构造新列表”写清楚

官方教程把列表推导式解释为一种更简洁的列表构造方式:对可迭代对象中的元素应用表达式,或筛选满足条件的元素。

squares = [x * x for x in range(10)]even_squares = [x * x for x in range(10) if x % 2 == 0]

它最适合表达“从 A 变成 B”的数据转换。

raw_names = [" Alice ", "BOB", " carol"]names = [name.strip().lower() for name in raw_names]

推导式可以包含多个 for,官方例子里用它展开嵌套列表。

matrix = [[1, 2, 3], [4, 5, 6]]flat = [num for row in matrix for num in row]

这里的顺序和普通嵌套循环一致:

flat = []for row in matrix:    for num in row:        flat.append(num)

推导式也有边界。表达式一旦塞进复杂分支、多个函数调用和嵌套推导,阅读成本会快速上升。官方教程在矩阵转置示例里也提到,实际应用中可以优先使用内置函数,例如 zip(*matrix)。

matrix = [    [1, 2, 3],    [4, 5, 6],]columns = list(zip(*matrix))

我的经验规则:一行能读懂,就用推导式;需要解释执行步骤,就改成普通循环。

del:按索引、切片和变量名删除

官方教程把 del 单独拿出来讲,因为它和 pop 的语义不同。pop 会返回被移除的值,del 表达的是“删除这个位置或这个名字”。

items = ["a", "b", "c", "d"]del items[0]del items[1:]

清空列表也可以用切片删除:

items = [1, 2, 3]del items[:]

del 还能删除变量绑定:

cache = {"token": "abc"}del cache

业务代码里,del mapping[key] 通常比把值设为 None 更明确。如果 None 也是合法业务值,删除键和值为 None 是两种语义。

profile = {"nickname": None, "age": 30}del profile["age"]      # age 这个字段被移除profile["nickname"] = None  # nickname 字段存在,值为空

元组:用不可变表达一条记录

元组是有序、不可变的序列。官方教程强调,元组通常用于异质元素序列,通过解包或索引访问;列表通常用于同质元素集合。

point = (120.5, 31.2)x, y = point

函数返回多个值时,本质上常常就是返回元组。

def split_name(full_name: str) -> tuple[str, str]:    first, last = full_name.split(maxsplit=1)    return first, lastfirst, last = split_name("Ada Lovelace")

一个元素的元组需要尾随逗号,这是很多初学者会踩的点。

not_tuple = ("hello")one_item_tuple = ("hello",)

元组本身不可变,但可以包含可变对象。这个细节很重要。

record = ([1, 2], "ok")record[0].append(3)print(record)  # ([1, 2, 3], 'ok')

所以,“元组不可变”指的是元组槽位绑定不可变。槽位里引用的对象如果自身可变,内部状态仍然可以变化。

实战里,元组适合这几类场景:

作为轻量记录,例如坐标、范围、数据库行。

作为多返回值。

作为可哈希的复合键,前提是内部元素也可哈希。

sales = {    ("2026-07-14", "CN"): 1200,    ("2026-07-14", "US"): 900,}

集合:去重和成员检测

集合是无重复元素的无序容器。官方教程强调两个基本用途:成员检测和消除重复元素。集合还支持并集、交集、差集和对称差集。

tags = ["python", "web", "python", "ai"]unique_tags = set(tags)print("python" in unique_tags)

集合运算在权限、标签、推荐、差异对比里非常自然。

old_permissions = {"read", "write"}new_permissions = {"read", "delete"}added = new_permissions - old_permissionsremoved = old_permissions - new_permissionskept = old_permissions & new_permissionschanged = old_permissions ^ new_permissions

创建空集合要用 set()。{} 创建的是空字典。

empty_set = set()empty_dict = {}

集合的迭代顺序适合视为实现细节。需要稳定输出时,配合 sorted。

for tag in sorted(unique_tags):    print(tag)

实战里,集合经常用于“已访问”状态:

def unique_in_order(items):    seen = set()    result = []    for item in items:        if item in seen:            continue        seen.add(item)        result.append(item)    return result

这个写法同时保留输入顺序和去重结果。

字典:Python 里最重要的映射结构

字典是键值对映射。官方教程强调,字典用键索引,键必须唯一,并且通常需要是不可变类型。字符串、数字和只包含不可变对象的元组都可以作为键;列表作为键会破坏哈希稳定性,因此适合做值,适合做键。

profile = {    "id": 1001,    "name": "Ada",    "role": "admin",}profile["active"] = True

直接访问缺失键会抛 KeyError。业务代码里可以用 get 表达“可选值”。

nickname = profile.get("nickname", "匿名用户")

检查键是否存在,用 in。

if "role" in profile:    print(profile["role"])

Python 3.7 以后,普通字典保持插入顺序已经是语言保证。官方教程也在示例中提到,list(d) 会按插入次序返回键列表。需要排序输出时,用 sorted(d) 或 sorted(d.items())。

for key in sorted(profile):    print(key, profile[key])

字典推导式

字典推导式适合从序列构建映射。

users = ["alice", "bob", "carol"]index = {name: i for i, name in enumerate(users)}

常见实战:把接口返回的列表转成按 ID 查询的字典。

rows = [    {"id": 1, "name": "Ada"},    {"id": 2, "name": "Guido"},]users_by_id = {row["id"]: row for row in rows}

这个转换能把后续查找从“遍历列表”变成“按键访问”。

循环技巧:让遍历代码更像数据本身

官方教程总结了几种非常 Pythonic 的循环方式。

遍历字典键和值,用 items()。

for key, value in profile.items():    print(key, value)

遍历序列时需要索引,用 enumerate()。

for line_no, line in enumerate(lines, start=1):    print(line_no, line)

并行遍历多个序列,用 zip()。

names = ["Ada", "Guido"]scores = [98, 95]for name, score in zip(names, scores):    print(name, score)

逆序遍历,用 reversed()。

for item in reversed(history):    print(item)

排序后遍历,用 sorted()。

for name in sorted(users):    print(name)

这里的核心思想是:让循环表达“你想怎样看数据”,少写临时变量和手动下标。

条件控制:容器参与布尔判断

官方教程把条件控制放在数据结构之后讲,很合理。容器经常直接参与条件判断。

空列表、空字典、空集合、空元组在布尔上下文中为假;非空容器为真。

if errors:    print("存在错误")

成员检测用 in。

if user_id in active_users:    ...

and 和 or 是短路运算符。它们从左到右求值,结果确定后停止。作为普通值使用时,返回最后参与求值的对象。

name = user.get("nickname") or user.get("name") or "匿名用户"

这个技巧很实用,但也要控制范围。如果 0、空字符串、空列表都是合法业务值,就把条件写明确。

value = payload.get("count")if value is None:    value = 0

is 用来判断对象身份,== 用来判断值相等。判断 None 时使用 is None。

if result is None:    ...

序列比较:按字典序逐项比较

官方教程说明,序列之间可以按字典序比较:先比第一个元素,再比第二个元素,直到出现不同或某个序列结束。

(1, 2, 3) < (1, 2, 4)["a", "b"] < ["a", "c"]

这个机制在排序中很有用。比如按分数降序、时间升序排序,可以把排序 key 设计成元组。

records = [    {"name": "Ada", "score": 98, "time": 35},    {"name": "Guido", "score": 98, "time": 31},    {"name": "Linus", "score": 95, "time": 28},]ranked = sorted(records, key=lambda r: (-r["score"], r["time"]))

Python 会先比较 -score,分数相同时再比较 time。

深入扩展:标准库里的专用容器

官方教程在队列部分提到 collections.deque,标准库的 collections 文档还提供了更多专用容器。它们补充了内置 list、tuple、set、dict 的能力。

deque:双端队列和滑动窗口

deque 的两端追加和弹出都很快。队列、最近 N 条记录、滑动窗口都适合它。

from collections import dequerecent = deque(maxlen=3)for event in ["login", "click", "pay", "logout"]:    recent.append(event)print(list(recent))  # ['click', 'pay', 'logout']

滑动平均:

from collections import dequedef moving_average(values, window_size):    window = deque()    total = 0    for value in values:        window.append(value)        total += value        if len(window) > window_size:            total -= window.popleft()        yield total / len(window)

Counter:计数、词频、排行榜

Counter 是字典子类,专门用于计数 hashable 对象。标准库文档说明,缺失元素的计数返回 0,most_common() 可以返回高频元素。

from collections import Counterstatus_codes = [200, 200, 404, 500, 200, 404]counter = Counter(status_codes)print(counter[403])          # 0print(counter.most_common(2)) # [(200, 3), (404, 2)]

多重集合运算也很实用:

from collections import Counterinventory = Counter(apple=5, banana=2)order = Counter(apple=3, banana=4)available = inventory - ordermissing = order - inventory

defaultdict:让分组聚合更干净

defaultdict 会为缺失键自动创建默认值。它适合分组、聚合、邻接表。

from collections import defaultdictorders = [    {"user": "alice", "amount": 80},    {"user": "bob", "amount": 50},    {"user": "alice", "amount": 20},]amounts_by_user = defaultdict(list)for order in orders:    amounts_by_user[order["user"]].append(order["amount"])

聚合求和:

total_by_user = defaultdict(int)for order in orders:    total_by_user[order["user"]] += order["amount"]

图的邻接表:

graph = defaultdict(list)graph["A"].append("B")graph["A"].append("C")

heapq:优先级队列和 Top K

heapq 提供堆队列算法,常用于小顶堆。它适合优先级队列、Top K、合并有序数据流。

import heapqscores = [90, 75, 98, 82, 100, 88]top3 = heapq.nlargest(3, scores)

任务调度:

import heapqtasks = []heapq.heappush(tasks, (2, "send email"))heapq.heappush(tasks, (1, "write report"))heapq.heappush(tasks, (3, "archive logs"))while tasks:    priority, task = heapq.heappop(tasks)    print(priority, task)

如果只需要最大或最小的少量元素,heapq.nlargest() 和 heapq.nsmallest() 通常比完整排序更贴近需求。

实战:日志分析里的组合拳

下面这个例子把多个结构组合起来:列表保存原始记录,集合去重用户,defaultdict 按接口分组,Counter 统计错误码,heapq 找慢请求。

from collections import Counter, defaultdictimport heapqlogs = [    {"user": "u1", "path": "/api/orders", "status": 200, "ms": 120},    {"user": "u2", "path": "/api/orders", "status": 500, "ms": 860},    {"user": "u1", "path": "/api/profile", "status": 200, "ms": 90},    {"user": "u3", "path": "/api/orders", "status": 404, "ms": 210},]active_users = {row["user"] for row in logs}by_path = defaultdict(list)for row in logs:    by_path[row["path"]].append(row)status_counter = Counter(row["status"] for row in logs)slowest = heapq.nlargest(2, logs, key=lambda row: row["ms"])print(active_users)print(status_counter.most_common())print(slowest)

这段代码的重点是语义分工:

set 表达唯一用户。

defaultdict(list) 表达一对多分组。

Counter 表达频次统计。

heapq.nlargest 表达 Top N。

容器选对以后,代码就像在描述问题本身。

浅拷贝、深拷贝和可变对象

官方教程里 list.copy() 是浅拷贝。浅拷贝会复制外层容器,但内部对象仍然共享。

rows = [[1, 2], [3, 4]]copied = rows.copy()copied[0].append(99)print(rows)    # [[1, 2, 99], [3, 4]]print(copied)  # [[1, 2, 99], [3, 4]]

需要递归复制内部对象时,用 copy.deepcopy()。

from copy import deepcopyrows = [[1, 2], [3, 4]]copied = deepcopy(rows)copied[0].append(99)print(rows)    # [[1, 2], [3, 4]]print(copied)  # [[1, 2, 99], [3, 4]]

这个问题在默认参数里尤其常见。可变对象适合在函数内部创建。

def collect(item, bucket=None):    if bucket is None:        bucket = []    bucket.append(item)    return bucket

排序:key 比比较函数更重要

官方教程提到 list.sort() 和 sorted(),排序 HOWTO 进一步推荐使用 key 函数。key 会为每个元素生成排序依据。

users = [    {"name": "Ada", "age": 36},    {"name": "Guido", "age": 70},    {"name": "Carol", "age": 36},]users_by_age = sorted(users, key=lambda user: (user["age"], user["name"]))

多字段排序优先用元组 key。需要降序时,可以对数值取负,或在整体上使用 reverse=True。

ranked = sorted(users, key=lambda user: (-user["age"], user["name"]))

排序稳定性也很有价值。稳定排序表示相等 key 的元素保留原顺序。你可以分两次排序来表达不同优先级。

records.sort(key=lambda r: r["name"])records.sort(key=lambda r: r["score"], reverse=True)

第二次按分数排,分数相同的记录仍保留第一次按名字排好的顺序。

选型清单

遇到一组数据,可以按下面顺序判断:

需要按插入顺序保存并频繁追加:list。

需要栈:list.append 加 list.pop。

需要队列或两端操作:deque。

需要固定记录或多返回值:tuple。

需要去重、交并差、快速成员检测:set。

需要按键查找、缓存、索引:dict。

需要计数:Counter。

需要按键分组:defaultdict(list)。

需要优先级队列或 Top K:heapq。

需要只读配置叠加:ChainMap。

常见坑

第一,原地方法返回 None。写 items = items.sort() 会把 items 变成 None。

第二,空集合用 set()。{} 是空字典。

第三,集合无序。输出或测试断言需要稳定顺序时,用 sorted()。

第四,元组里放可变对象时,内部对象依然可变。

第五,浅拷贝只复制外层容器。嵌套结构需要确认共享关系。

第六,遍历时修改同一个列表容易漏元素。更安全的方式是构造新列表。

clean = [x for x in raw_data if x is not None]

总结

Python 数据结构的核心,是用合适的容器表达数据语义。

列表表达有序可变序列;元组表达固定记录;集合表达唯一性和集合运算;字典表达键值索引;deque、Counter、defaultdict、heapq 则把常见业务模式进一步封装成标准工具。

容器选对,代码会更短,也更接近问题本身。

资料来源

本文主要参考 Python 3.14 中文官方文档:

•5. 数据结构[1]•collections 容器数据类型[2]•排序的技术[3]•heapq 堆队列算法[4]

References

[1] 5. 数据结构: https://docs.python.org/zh-cn/3.14/tutorial/datastructures.html
[2] collections 容器数据类型: https://docs.python.org/zh-cn/3.14/library/collections.html
[3] 排序的技术: https://docs.python.org/zh-cn/3.14/howto/sorting.html
[4] heapq 堆队列算法: https://docs.python.org/zh-cn/3.14/library/heapq.html

最新文章

随机文章