python学

python数据结构

字典、df、数组的区别

三者的赋值 XX[num] = count

df

DataFrame：DataFrame本质上是一个二维标签化数据结构，可以将其想象为一个Excel电子表格或SQL表

是Pandas库提供的数据结构。
通常通过pd.DataFrame()创建。
用于处理表格数据，可以包含多个列，每列可以是不同的数据类型。
可以执行复杂的数据操作，如分组、聚合、统计分析等。
通常用于数据分析和处理

data = {
    'Name': ['John', 'Anna', 'Peter', 'Linda'],
    'Age': [28, 22, 34, 29],
    'City': ['New York', 'Paris', 'Berlin', 'London']
}
df = pd.DataFrame(data)

# 输出DataFrame
print(df)

字典

使用花括号 {} 定义。
存储键值对，键必须是不可变类型，如字符串、整数等。
可以通过键来索引、添加、修改和删除数据。

数组

数据结构：

字典：存储键值对，每个元素是一个键值对，键必须是唯一的。
数组（列表）：存储有序的元素集合，元素可以是任何类型，不需要键。
访问方式：

字典：通过键来访问元素，例如 my_dict[key]。
数组（列表）：通过索引来访问元素，例如 my_list[index]。
元素关联：

字典：每个元素都有一个键，键与值相关联。
数组（列表）：元素按顺序存储，没有显式的键，只有位置索引。
元素唯一性：

字典：键必须是唯一的，但值可以不唯一。
数组（列表）：元素可以重复。
可变性：

字典：可变类型，可以修改、添加或删除键值对。
数组（列表）：可变类型，可以修改、添加或删除元素。
用途：

字典：适合存储关联数据，例如数据库记录、对象属性等。
数组（列表）：适合存储同类型数据的集合，例如数字列表、字符串集合等。
性能：

字典：查找、插入和删除操作的时间复杂度通常是O(1)。
数组（列表）：访问元素的时间复杂度是O(1)，但插入和删除操作的时间复杂度可能是O(n)，取决于索引位置。
语法：

字典：使用花括号 {} 定义，例如 {‘key1’: ‘value1’, ‘key2’: ‘value2’}。
数组（列表）：使用方括号 [] 定义，例如 [1, 2, 3, 4]

字典和数组的转换