Python-notes项目解析:深入理解Python列表操作
2025-06-24 17:06:00作者:袁立春Spencer
列表基础概念
Python中的列表(list)是一种有序的可变集合,是Python编程中最常用的数据结构之一。列表可以存储任意类型的元素,包括数字、字符串、字典甚至其他列表,这种灵活性使其成为处理数据的强大工具。
列表的核心特性包括:
- 有序性:元素按照插入顺序排列
- 可变性:可以随时添加、删除或修改元素
- 索引访问:支持正向和反向索引
- 动态大小:无需预先声明大小
列表基本操作详解
创建与初始化
列表的创建非常简单,使用方括号[]即可:
# 空列表
empty_list = []
# 包含不同类型元素的列表
mixed_list = [1, 'Python', 3.14, [1, 2, 3], {'key': 'value'}]
元素添加方法
Python提供了多种向列表添加元素的方式:
-
append()方法:在列表末尾添加单个元素
numbers = [1, 2, 3] numbers.append(4) # [1, 2, 3, 4] -
insert()方法:在指定位置插入元素
numbers.insert(1, 1.5) # [1, 1.5, 2, 3, 4] -
extend()方法:添加多个元素(通过合并另一个可迭代对象)
numbers.extend([5, 6]) # [1, 1.5, 2, 3, 4, 5, 6]
元素删除操作
删除列表元素时需要注意边界条件和元素是否存在:
-
remove()方法:删除指定值的第一个匹配项
fruits = ['apple', 'banana', 'orange'] fruits.remove('banana') # ['apple', 'orange'] -
pop()方法:删除并返回指定位置的元素(默认最后一个)
last_fruit = fruits.pop() # 'orange', fruits变为['apple'] -
del语句:删除指定位置或整个列表
del fruits[0] # 删除第一个元素 del fruits # 删除整个列表
元素修改
通过索引直接赋值即可修改元素:
colors = ['red', 'green', 'blue']
colors[1] = 'yellow' # ['red', 'yellow', 'blue']
列表排序与反转
永久排序
sort()方法会直接修改原列表:
nums = [3, 1, 4, 2]
nums.sort() # [1, 2, 3, 4]
nums.sort(reverse=True) # 降序排列 [4, 3, 2, 1]
临时排序
sorted()函数返回排序后的新列表,不影响原列表:
original = [3, 1, 4, 2]
sorted_list = sorted(original) # [1, 2, 3, 4]
print(original) # 仍为[3, 1, 4, 2]
列表反转
reverse()方法永久反转列表顺序:
letters = ['a', 'b', 'c']
letters.reverse() # ['c', 'b', 'a']
列表遍历技巧
基本遍历方式
# 简单遍历
for item in my_list:
print(item)
# 带索引遍历
for index, value in enumerate(my_list):
print(f"索引{index}的值是{value}")
列表解析式
列表解析式是Python中高效处理列表的优雅方式:
# 基本形式
squares = [x**2 for x in range(10)]
# 带条件过滤
even_squares = [x**2 for x in range(10) if x % 2 == 0]
# 嵌套循环
matrix = [[1, 2], [3, 4]]
flattened = [num for row in matrix for num in row] # [1, 2, 3, 4]
高级切片操作
Python的切片功能非常强大,可以灵活地获取子列表:
numbers = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# 基本切片
middle = numbers[3:7] # [3, 4, 5, 6]
# 步长切片
odds = numbers[1::2] # [1, 3, 5, 7, 9]
# 反向切片
reversed_nums = numbers[::-1] # [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
# 复制列表
copy = numbers[:]
列表复制与引用
理解列表的引用机制非常重要:
# 直接赋值是引用
a = [1, 2, 3]
b = a
b.append(4) # a也会变为[1, 2, 3, 4]
# 浅拷贝
c = a[:] # 只适用于简单列表
# 深拷贝
import copy
d = copy.deepcopy(a) # 适用于嵌套列表
类型转换技巧
列表与其他数据结构的相互转换:
# 字符串转列表
chars = list("Python") # ['P', 'y', 't', 'h', 'o', 'n']
# 列表转字符串
word = ''.join(chars) # "Python"
# 字典与列表互转
keys = ['a', 'b', 'c']
values = [1, 2, 3]
dict_from_list = dict(zip(keys, values)) # {'a': 1, 'b': 2, 'c': 3}
list_from_dict = list(dict_from_list.items()) # [('a', 1), ('b', 2), ('c', 3)]
实用函数与技巧
range()函数
range()常用于生成数值序列:
# 生成0-4的序列
range(5) # [0, 1, 2, 3, 4]
# 指定起始和步长
range(1, 10, 2) # [1, 3, 5, 7, 9]
列表合并
list1 = [1, 2, 3]
list2 = [4, 5, 6]
combined = list1 + list2 # [1, 2, 3, 4, 5, 6]
性能考虑与最佳实践
-
选择合适的操作方法:
append()比insert(0, x)快,因为后者需要移动所有元素- 列表解析式通常比普通循环更快
-
避免频繁修改大列表:考虑使用生成器或
collections.deque -
注意内存使用:大列表会占用较多内存,必要时考虑分块处理
通过掌握这些列表操作技巧,你将能够更高效地处理Python中的序列数据,编写出更简洁、更高效的代码。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220