Python 数据结构全解析：从基础到实战_python的数据结构-CSDN博客

Python 作为一门强大的编程语言，其丰富的数据结构是其受欢迎的关键原因之一。掌握这些数据结构不仅能提高代码效率，更能解决复杂问题。本文将系统梳理 Python 数据结构体系，从原始类型到复杂的自定义结构，并通过简洁案例展示其应用精髓。
在这里插入图片描述

一、原始数据类型

1. 整数 (Integers)

# 整数运算简洁高效   a = 42   b = -10   print(a + b)  # 32

2. 布尔值 (Boolean)

# 条件判断的基础   is_valid = True   if is_valid:       print("验证通过")

3. 字符串 (Strings)

# 强大的文本处理能力   text = "Python 数据结构"   print(text[0:6])  # Python   print(text.replace("Python", "Java"))  # Java 数据结构

4. 浮点数 (Float)

# 科学计算的基础   pi = 3.14159   radius = 5   area = pi * (radius ** 2)   print(f"圆面积：{area:.2f}")  # 圆面积：78.54

二、内置非原始数据类型

1. 列表 (Lists)

# 动态数组，支持增删改查   fruits = ["苹果", "香蕉", "橙子"]   fruits.append("草莓")   print(fruits)  # ['苹果', '香蕉', '橙子', '草莓']

2. 集合 (Sets)

# 去重和集合运算   numbers = {1, 2, 3, 2, 1}   print(numbers)  # {1, 2, 3}   set1 = {1, 2, 3}   set2 = {3, 4, 5}   print(set1.intersection(set2))  # {3}

3. 字典 (Dictionaries)

# 键值对映射，高效查找   student = {"name": "张三", "age": 20, "score": 95}   print(student["name"])  # 张三   student["grade"] = "A"   print(student)  # {'name': '张三', 'age': 20, 'score': 95, 'grade': 'A'}

4. 元组 (Tuples)

# 不可变序列，数据安全   point = (10, 20)   rgb = (255, 0, 0)  # 红色   print(point[0])  # 10

三、用户自定义数据结构

1. 栈 (Stack)

# 后进先出 (LIFO)   class Stack:       def __init__(self):           self.items = []              def push(self, item):           self.items.append(item)              def pop(self):           return self.items.pop()              def is_empty(self):           return self.items == []      # 案例：括号匹配检查   def is_balanced(expression):       stack = Stack()       for char in expression:           if char == '(':               stack.push(char)           elif char == ')':               if stack.is_empty():                   returnFalse               stack.pop()       return stack.is_empty()      print(is_balanced("((1+2)*(3-4))"))  # True

2. 队列 (Queue)

# 先进先出 (FIFO)   from collections import deque      queue = deque()   queue.append("任务 1")   queue.append("任务 2")   print(queue.popleft())  # 任务 1

3. 树 (Tree)

# 层次结构表示   class TreeNode:       def __init__(self, value):           self.value = value           self.left = None           self.right = None      # 简单二叉树构建   root = TreeNode(1)   root.left = TreeNode(2)   root.right = TreeNode(3)

4. 链表 (Linked List)

# 动态内存分配   class Node:       def __init__(self, data):           self.data = data           self.next = None      # 创建简单链表   head = Node("A")   head.next = Node("B")   head.next.next = Node("C")

5. 图 (Graph)

# 网络关系表示   graph = {       'A': ['B', 'C'],       'B': ['A', 'D', 'E'],       'C': ['A', 'F'],       'D': ['B'],       'E': ['B', 'F'],       'F': ['C', 'E']   }      # 深度优先遍历   def dfs(graph, start, visited=None):       if visited isNone:           visited = set()       visited.add(start)       print(start, end=' ')       for next_node in graph[start]:           if next_node notin visited:               dfs(graph, next_node, visited)      dfs(graph, 'A')  # A B D E F C

四、数据结构选择指南

在这里插入图片描述

五、实战应用案例

使用字典和集合优化查找

# 问题：在大数据集中查找重复元素   def find_duplicates(numbers):       seen = set()       duplicates = set()       for num in numbers:           if num in seen:               duplicates.add(num)           else:               seen.add(num)       return duplicates      data = [1, 2, 3, 2, 1, 5, 6, 5]   print(find_duplicates(data))  # {1, 2, 5}

使用栈实现表达式求值

# 简化版后缀表达式计算器   def evaluate_postfix(expression):       stack = []       for token in expression.split():           if token in"+-*/":               b = stack.pop()               a = stack.pop()               if token == '+': stack.append(a + b)               elif token == '-': stack.append(a - b)               elif token == '*': stack.append(a * b)               elif token == '/': stack.append(a / b)           else:               stack.append(float(token))       return stack[0]      print(evaluate_postfix("3 4 + 2 *"))  # (3+4)*2 = 14.0