🔎大家好，我是ZTLJQ，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流
📝个人主页－ZTLJQ的主页
🎁欢迎各位→点赞👍 + 收藏⭐️ + 留言📝📣系列果你对这个系列感兴趣的话
专栏 - Python从零到企业级应用：短时间成为市场抢手的程序员
✔说明⇢本人讲解主要包括Python爬虫、JS逆向、Python的企业级应用
如果你对这个系列感兴趣的话，可以关注订阅哟👋
容器的力量
在编程中，我们很少只处理单个的数字或字符串。我们处理的是集合：用户的列表、商品的价格字典、唯一标签的集合等等。Python提供了丰富且高效的内置数据结构来组织和管理这些数据。
而当我们需要基于现有数据集创建新的数据集时，传统的for循环虽然可行，但往往显得冗长。推导式（Comprehensions） 应运而生，它提供了一种极其优雅、紧凑的方式来创建列表、字典和集合。
本篇博客将带你彻底掌握Python四大核心容器，并通过大量实际案例，展示如何利用推导式将复杂的转换逻辑浓缩成一行清晰的代码。
第一部分：核心数据结构详解
Python有四种最常用的内置容器类型。
1.1 列表 (list) - 有序的可变序列
- 特点: 有序、可变（可以增删改元素）、允许重复元素。
- 适用场景: 存储一系列需要按顺序访问或修改的数据。
# 创建
fruits = ['apple', 'banana', 'cherry']
numbers = list(range(1, 6)) # [1, 2, 3, 4, 5]
# 常用操作
fruits.append('date') # 添加元素
fruits.insert(1, 'blueberry') # 在索引1处插入
first_fruit = fruits[0] # 索引访问
sliced = fruits[1:3] # 切片: ['blueberry', 'banana']
fruits.remove('banana') # 移除指定元素
popped = fruits.pop() # 弹出最后一个元素
print(fruits) # ['apple', 'blueberry', 'cherry']1.2 元组 (tuple) - 有序的不可变序列
- 特点: 有序、不可变（创建后不能修改）、允许重复元素。通常比列表更轻量。
- 适用场景: 存储不应被修改的数据，如坐标点、数据库记录、函数的多返回值。
# 创建
point = (10, 20)
person = ('Alice', 30)
# 访问 (与列表相同)
x, y = point # 拆包
name = person[0]
# 尝试修改会报错
# person[1] = 31 # TypeError: 'tuple' object does not support item assignment
# 因为不可变，所以可以作为字典的键
locations = { (0, 0): "Origin", (10, 20): "Point A" }1.3 字典 (dict) - 键值对映射
- 特点: 无序（Python 3.7+保证插入顺序）、可变、通过唯一的“键”（key）来快速查找对应的“值”（value）。键必须是不可变类型。
- 适用场景: 存储具有关联关系的数据，如配置项、缓存、对象的属性。
# 创建
student = {'name': 'Bob', 'age': 22, 'grade': 'A'}
# 或使用关键字参数
student = dict(name='Bob', age=22, grade='A')
# 常用操作
age = student['age'] # 通过键获取值
student['city'] = 'Beijing' # 添加/修改键值对
if 'grade' in student: # 检查键是否存在
print("Grade:", student['grade'])
del student['age'] # 删除键值对
keys = student.keys() # 获取所有键
values = student.values() # 获取所有值
items = student.items() # 获取所有 (键, 值) 对
print(student) # {'name': 'Bob', 'grade': 'A', 'city': 'Beijing'}1.4 集合 (set) - 无序的唯一元素集
- 特点: 无序、可变、不允许重复元素。支持高效的数学集合运算。
- 适用场景: 去重、成员资格检查、求交集/并集/差集。
# 创建
unique_tags = {'python', 'tutorial', 'beginner', 'python'} # 重复的'python'会被自动去重
primes = set([2, 3, 5, 7, 11])
# 常用操作
unique_tags.add('coding') # 添加元素
unique_tags.discard('beginner') # 移除元素 (如果不存在也不报错)
is_present = 'python' in unique_tags # 成员检查，O(1) 时间复杂度
# 集合运算
set_a = {1, 2, 3, 4}
set_b = {3, 4, 5, 6}
union = set_a | set_b # 并集: {1, 2, 3, 4, 5, 6}
intersection = set_a & set_b # 交集: {3, 4}
difference = set_a - set_b # 差集 (A中有但B中没有): {1, 2}
print(unique_tags) # {'python', 'tutorial', 'coding'}第二部分：推导式 - 构建容器的魔法
推导式是一种语法糖，它让你可以用一种类似于数学集合表示法的方式，从一个可迭代对象创建另一个容器。
2.1 列表推导式 (List Comprehension)
语法: [expression for item in iterable if condition]
等价于:
result = [] for item in iterable: if condition: # if condition 是可选的 result.append(expression)
案例一：基础转换
# 将数字列表平方
numbers = [1, 2, 3, 4, 5]
squares = [n ** 2 for n in numbers]
print(squares) # [1, 4, 9, 16, 25]
# 将字符串列表转为大写
words = ['hello', 'world', 'python']
upper_words = [word.upper() for word in words]
print(upper_words) # ['HELLO', 'WORLD', 'PYTHON']案例二：带条件过滤
# 从数字列表中筛选出偶数并平方
evens_squared = [n ** 2 for n in numbers if n % 2 == 0]
print(evens_squared) # [4, 16]
# 从字符串列表中筛选长度大于3的单词并首字母大写
long_words = [word.capitalize() for word in words if len(word) > 3]
print(long_words) # ['Hello', 'World', 'Python']案例三：嵌套推导式
# 生成二维坐标网格
grid = [(x, y) for x in range(3) for y in range(2)]
print(grid) # [(0, 0), (0, 1), (1, 0), (1, 1), (2, 0), (2, 1)]
# 等价于
# grid = []
# for x in range(3):
# for y in range(2):
# grid.append((x, y))2.2 字典推导式 (Dict Comprehension)
语法: {key_expression: value_expression for item in iterable if condition}
案例一：反转字典的键和值
original = {'a': 1, 'b': 2, 'c': 3}
# 反转：新字典的键是原字典的值，新字典的值是原字典的键
reversed_dict = {value: key for key, value in original.items()}
print(reversed_dict) # {1: 'a', 2: 'b', 3: 'c'}案例二：根据现有数据创建新字典
names = ['Alice', 'Bob', 'Charlie']
# 创建一个字典，键为名字，值为名字的长度
name_lengths = {name: len(name) for name in names}
print(name_lengths) # {'Alice': 5, 'Bob': 3, 'Charlie': 7}
# 带条件：只包含长度大于3的名字
filtered_names = {name: len(name) for name in names if len(name) > 3}
print(filtered_names) # {'Alice': 5, 'Charlie': 7}2.3 集合推导式 (Set Comprehension)
语法: {expression for item in iterable if condition} (与列表推导式相同，只是用花括号)
案例：从字符串中提取唯一的元音字母
text = "hello world"
vowels = {'a', 'e', 'i', 'o', 'u'}
# 提取text中出现的所有元音字母，自动去重
found_vowels = {char for char in text if char in vowels}
print(found_vowels) # {'o', 'e'}
# 与使用列表推导式再转为集合的区别
found_vowels_list = [char for char in text if char in vowels] # ['e', 'o', 'o']
found_vowels_set = set(found_vowels_list) # {'o', 'e'}
# 集合推导式一步到位，效率更高。第三部分：进阶主题与 collections 模块
标准库中的collections模块提供了更多专门化的容器类型。
3.1 defaultdict - 带默认值的字典
当访问一个不存在的键时，defaultdict会自动为该键创建一个默认值，而不是抛出KeyError。
from collections import defaultdict
# 统计单词出现频率
text = "apple banana apple cherry banana apple"
word_count = defaultdict(int) # int() 的默认值是 0
for word in text.split():
word_count[word] += 1 # 如果word是新词，word_count[word]会自动变成0，然后+1
print(dict(word_count)) # {'apple': 3, 'banana': 2, 'cherry': 1}
# defaultdict(list) 用于一键多值
students_by_grade = defaultdict(list)
students_by_grade['A'].append('Alice')
students_by_grade['A'].append('Bob')
students_by_grade['B'].append('Charlie')
print(students_by_grade) # {'A': ['Alice', 'Bob'], 'B': ['Charlie']}3.2 Counter - 计数器
专门用于计数的字典。
from collections import Counter
# 快速统计
letters = 'abracadabra'
letter_counter = Counter(letters)
print(letter_counter) # Counter({'a': 5, 'b': 2, 'r': 2, 'c': 1, 'd': 1})
# 最常见的几个
print(letter_counter.most_common(2)) # [('a', 5), ('b', 2)]
# 也可以用来统计列表
words = ['apple', 'banana', 'apple', 'cherry']
word_counter = Counter(words)
print(word_counter) # Counter({'apple': 2, 'banana': 1, 'cherry': 1})3.3 生成器表达式 (Generator Expression)
与推导式语法几乎相同，但使用圆括号()。它不立即创建整个列表，而是返回一个生成器对象，在每次迭代时才计算下一个值，因此内存效率极高。
语法: (expression for item in iterable if condition)
# 列表推导式：一次性创建整个列表，占用内存
large_squares_list = [x**2 for x in range(1000000)] # 占用大量内存
# 生成器表达式：只在需要时计算，内存占用恒定
large_squares_gen = (x**2 for x in range(1000000)) # 几乎不占内存
# 使用生成器
for square in large_squares_gen:
if square > 100:
print(square)
break # 一旦找到就停止，后面的值根本不会被计算何时使用:
- 当你需要遍历结果一次，并且数据集很大时，优先使用生成器表达式。
- 当你需要多次遍历结果，或者需要索引访问时，使用列表推导式。
第四部分：最佳实践与陷阱
- 选择正确的数据结构: 这是最重要的第一步。问自己：
- 需要保持顺序吗？ ->
list,tuple - 需要通过键快速查找吗？ ->
dict - 需要去重或进行集合运算吗？ ->
set - 需要修改内容吗？ ->
list,dict,set；不需要 ->tuple
- 需要保持顺序吗？ ->
- 推导式的可读性: 推导式很强大，但不要过度嵌套或写得过于复杂。如果一行推导式变得难以理解，不如写成普通的
for循环。 - 避免副作用: 推导式应该用于创建新数据，而不是执行有副作用的操作（如打印、修改全局变量）。
# ❌ 不好的做法：在推导式中执行print # [print(x) for x in range(3)] # ✅ 正确的做法：先创建列表，再遍历打印 numbers = [x for x in range(3)] for num in numbers: print(num) - 善用
collections:defaultdict和Counter能极大简化代码，是每个Python开发者都应该掌握的工具。 - 性能考量:
set和dict的成员检查（in）是O(1)平均时间复杂度，远快于list的O(n)。对于大数据量的查找，优先考虑使用集合或字典。
结语
数据结构是程序的骨架，而推导式则是为其血肉塑形的利器。通过本篇博客的学习，你应该已经掌握了：
- 四大核心容器（
list,tuple,dict,set）的特性和应用场景。 - 如何使用列表、字典和集合推导式，以声明式的方式简洁地创建和转换数据。
collections模块中defaultdict和Counter等高级容器的强大功能。- 生成器表达式在处理大数据时的巨大优势。
扫一扫
467
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
