Python数据分析02：Python的数据结构、函数和文件

Built-in Data Structures, Functions,and Files

readme

作为一名初学者来说，使用Jupyter Notebook运行Python代码是一个绝佳选择，真正的做到了代码与笔记的结合，可以完全丢弃枯燥的代码注释。

为了优化笔记显示，下面两行代码可以在有多个输出结果的cell（单元格）中实现运行结果的全部输出：

from IPython.core.interactiveshell import InteractiveShell 
InteractiveShell.ast_node_interactivity = 'all' #默认为'last'

重点：下面的代码框有两部分组成，代码和输出结果，中间用**#####**分隔；一定一定要注意打印命令与输出结果的对应哈！！！

提示：本文比较长，在这里手动添加目录的话就更长了，幸运的是优快云有自动的目录索引，上图一目了然：

---

3.1 数据结构和序列（Data Structures and Sequences）

3.1.1 元组（Tuple）

tuple是长度固定，不可改变的序列。创建元祖的方法是用逗号：

tup = 4, 5, 6
tup
#####
(4, 5, 6)

如果想要创建一个更复杂的tuple的话，还是要用括号，括号之间还是用逗号：

nested_tup = (4, 5, 6), (7, 8)
nested_tup
#####
((4, 5, 6), (7, 8))

把其他序列或迭代器转换为序列：

tuple([4, 0, 2])

tup = tuple('string')
tup
#####
(4, 0, 2)
('s', 't', 'r', 'i', 'n', 'g')

可以⽤⽅括号访问元组中的元素，序列从0开始

tup[0]
#####
's'

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：

tup = tuple(['foo', [1, 2], True])
tup[2] = False
#####
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-6-11b694945ab9> in <module>
      1 tup = tuple(['foo', [1, 2], True])
----> 2 tup[2] = False

TypeError: 'tuple' object does not support item assignment

但是如果tuple内部的object是可更改的（比如列表），那么我们可以试着更改一下：

tup[1].append(3)
tup
#####
('foo', [1, 2, 3], True)

用+来合并多个tuple：

(4, None, 'foo') + (6, 0) + ('bar',)
#####
(4, None, 'foo', 6, 0, 'bar')

* 相当于copy多份，也可以用在list上：

('foo', 'bar') * 4
#####
('foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'bar')

3.1.1.1 拆分元组（Unpacking tuples）

Python会试图拆分等号右边的值：

tup = (4, 5, 6)
a, b, c = tup
b
#####
5

即使含有元组的元组也会被拆分：

tup = 4, 5, (6, 7)
a, b, (c, d) = tup
d
#####
7

用下面的方法来交换变量的名字：

tmp = a
a = b
b = tmp

但是在python里，交换能更简洁一些：

a, b = 1, 2
a, b
b, a = a, b
a, b
#####
(1, 2)
(2, 1)

变量拆分常⽤来迭代元组或列表序列：

seq = [(1, 2, 3), (4, 5, 6), (7, 8, 9)]
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

另一种更高级的unpacking方法是用于只取出tuple中开头几个元素，剩下的元素直接赋给*rest：

values = 1, 2, 3, 4, 5
a, b, *rest = values
a, b
rest
#####
(1, 2)
[3, 4, 5]

rest部分是你想要丢弃的，名字本身无所谓，通常用下划线来代替：

a, b, *_ = values

3.1.1.2 元组方法（Tuple methods）

因为tuple的大小和内容都不能改变，所以方法也很少。count用来计算某个值出现的次数，list中也有这个方法：

a = (1, 2, 2, 2, 3, 4, 2)
a.count(2)
#####
4

3.1.2 列表（List）

列表的灵活性就很强了，大小和内容都可以变：

a_list = [2, 3, 7, None]
tup = ('foo', 'bar', 'baz')
b_list = list(tup)  # 元组转化为列表
b_list
b_list[1] = 'peekaboo'  # 替换列表中的第二个元素
b_list
#####
['foo', 'bar', 'baz']
['foo', 'peekaboo', 'baz']

列表和元组的语义接近，在许多函数中可以交叉使⽤。

list函数常⽤来在数据处理中实体化迭代器或⽣成器：

gen = range(10)
gen  # 这是一个迭代器，所以无法看到里面的内容
list(gen)  # 实体化后就可以看到了
#####
range(0, 10)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

3.1.2.1 添加和移动元素（Adding and removing elements）

可以⽤append在列表末尾添加元素：

b_list.append('dwarf')  # 在b_list中添加一个元素'dwarf'
b_list
#####
['foo', 'peekaboo', 'baz', 'dwarf']

insert可以在特定的位置插⼊元素：

b_list.insert(1, 'red')
b_list
#####
['foo', 'red', 'peekaboo', 'baz', 'dwarf']

注意：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，可以使⽤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：

b_list.pop(2)
b_list
#####
'peekaboo'
['foo', 'red', 'baz', 'dwarf']

remove可以通过值移除指定的element，如果同一个值在序列中多次出现，只移除第一个：

检查一个值是否在list中，用in：b_list.append('foo')
b_list
b_list.remove('foo')
b_list
#####
['foo', 'red', 'baz', 'dwarf', 'foo']
['red', 'baz', 'dwarf', 'foo']

检查一个值是否在list中，用in：

'dwarf' in b_list
'dwarf' not in b_list
#####
True
False

3.1.2.2 串联和组合列表（Concatenating and combining lists）

与元组类似，可以⽤+将两个列表串联起来：

[4, None, 'foo'] + [7, 8, (2, 3)]
#####
[4, None, 'foo', 7, 8, (2, 3)]

通过entend方法，可以添加多个元素：

x = [4, None, 'foo']
x.extend([7, 8, (2, 3)])
x
#####
[4, None, 'foo', 7, 8, (2, 3)]

注意：用+法来做合并是一个运算量较大的操作，因为要创建一个新的list并复制。如果操作的是一个很大的list，用extend会更好一些：

#解释性代码
everything = []
for chunk in list_of_lists:
    everything.extend(chunk)
    
串联的方法更快
everything = []
for chunk in list_of_lists:
    everything = everything + chunk

总结:

append和extend的区别。

• append是把元素添加到一个list里
• extend是把两个list结合在一起

extend和+的区别

• +是创建了一个新的list并返回，运算量大
• extend是在原本的list上做了更改，运算量小

3.1.2.3 排序（Sorting）

排序用sort函数

a = [7, 2, 5, 1, 3]
a.sort()
a
#####
[1, 2, 3, 5, 7]

sort函数有一些比较方便的选项。比如设置一个sort key，这个key也是一个函数（funciton）。比如我们想要按string的长度来排序：

b = ['saw', 'small', 'He', 'foxes', 'six']
b.sort(key=len)  # 按字符串长度排序
b
#####
['He', 'saw', 'six', 'small', 'foxes']

3.1.2.4 ⼆分搜索和维护已排序的列表（Binary search and maintaining a sorted list）

bisect模块⽀持⼆分查找，和向已排序的列表插⼊值。bisect.bisect可以找到插⼊值后仍保证排序的位置，bisect.insort是向这个位置插⼊值：

import bisect  # 加载模块
c = [1, 2, 2, 2, 3, 4, 7]
bisect.bisect(c, 2)  # 找2应该插在那个位置
bisect.bisect(c, 5)  # 找5应该插在那个位置
bisect.insort(c, 6)  # 找6应该插在那个位置，并且把6插进去
c
#####
4
6
[1, 2, 2, 2, 3, 4, 6, 7]

3.1.2.5 切片（Slicing）

[start:stop], 输出的结果包含开头，不包含结尾。所以输出的结果的数量是stop-start

seq = [7, 2, 3, 7, 5, 6, 0, 1]
seq[1:5]  # 不包括结尾
#####
[2, 3, 7, 5]

可以赋值：

seq[3:<