Python数据结构—

list 列表

什么是list

列表是Python中特有的一种线性数据结构，列表是可变的，有序的，我们可以用选择操作符来改变任意位置的值，和数组不同的是，列表可以同时保存不同类型的元素（异构）。

在CPython中，list是一个存储指针的长度可变的数组（用C++的话来说是一个动态数组）。也就是说列表中的每个元素存储的并不是对象本身，而是一个指向对象的引用。

list有哪些功能

list的创建

我们可以直接使用选择操作符来创建列表，也可以使用list()来创建

stuff = list()
stuff = []

list的方法

索引

因为列表的本质依然是一个数组，所以也支持数组的索引操作

时间复杂度：

下表索引：O(1)O(1)O(1)

切片索引：O(k)O(k)O(k)

增加元素

append()

append(x)操作可以再列表的末尾添加一个元素

时间复杂度：

和数组一样，时间复杂度为O(1)O(1)O(1)

insert()

insert(i, x)可以用来在索引i处添加元素x

时间复杂度：

要想在索引i插入某个元素，我们必须先将索引i及之后的元素向后移动一位，然后再给索引i赋值

因此插入元素时需要的后移操作的次数和列表内元素的个数有关，所以时间复杂度为O(n)O(n)O(n)

extend()

extend(iterable)操作将一个可迭代对象的每一个元素添加到列表末尾

lis = [1, 2, 3, 'a', 4]
lis.extend("hello")
print(lis)
>>>
[1, 2, 3, 'a', 4, 'h', 'e', 'l', 'l', 'o']

时间复杂度：

操作过程为先遍历读取可迭代对象的每个元素，然后添加到列表末尾，时间复杂度为O(k)O(k)O(k)

删除元素

pop()

pop(i=-1)用来移除列表中的某个元素并返回，可以传入索引值，默认为-1。也就是说pop()默认移除最后一位元素。

这里我们可以看到，当我们使用pop()时，尽管索引为4的元素仍然指向4，但是我们的列表长度已经缩短了。有兴趣的可以参考Python的列表实现，以及resize()的用法

时间复杂度：

如果只是移除最后一位元素，那么时间复杂度为O(1)O(1)O(1)

如果移除的是列表中的元素，那么还需要进行数据前移，前移的次数也和列表大小有关，因此时间复杂度为O(n)O(n)O(n)

remove()

remove(x)操作可以移除x元素在数组中的第一个匹配项

当我们remove(5)时，会从列表中删除对元素5的引用。

时间复杂度：

remove(x)操作可以视为先查找再移除最后数据前移，而查找和数据前移都和数组的大小有关，所以时间复杂度为O(n)O(n)O(n)。但实际使用上，remove()的操作效率较低，因为同时执行了查找和数据前移操作。

del

del操作可以根据索引值删除列表中的元素，也可以切片删除或直接删除整个列表

lis = [1,2,3,4,5]
del lis[0]
>>>
[2, 3, 4, 5]del lis[0:2]
>>>
[4, 5]del lis[:]
>>>
[]

同时，del操作也可以用来删除变量，要注意的是del删除的是引用而不是对象本身。关于del语句的详细用法以后再细说。可阅读

时间复杂度：

因为del也需要先查找并再删除后前移元素，所以时间复杂度以也是O(n)O(n)O(n)

clear()

clear()操作等价于del list[:]，直接删除列表全部元素

时间复杂度：

根据直觉，我认为clear()操作的时间复杂度为O(n)O(n)O(n)，因为我们需要不断地循环来删除所有的元素。但是在这篇文档中提到clear()的时间复杂度为O(1)O(1)O(1)。

后来在这里找到了解释。clear()操作的时间复杂度取决于我们的Python解释器。对于CPthyon来说，时间复杂度确实是O(n)O(n)O(n)，因为list需要去主动删除每一个引用以避免内存泄漏。但是对于其他的解释器（PyPy）来说，有可能实现O(1)O(1)O(1)。

import timefor size in 10000, 100000, 1000000, 10000000:lis = [0] * sizestart = time.time()lis.clear()end = time.time()print(f'{size:<10} : {end - start}')>>>
10000      : 2.47955322265625e-05
100000     : 0.0002560615539550781
1000000    : 0.00399017333984375
10000000   : 0.03731894493103027

可以看到，对于CPython来说，时间确实是呈线性增长的。

修改元素

list的元素修改直接通过索引完成

时间复杂度：

如果是下标索引，时间复杂度为O(1)O(1)O(1)

如果是切片索引，时间复杂度为O(k)O(k)O(k)，可看成下标索引重复kkk次

查找元素

index()

index(x, start, end)操作可以返回元素x第一次出现的索引值，如果没找到会出现ValueError异常

时间复杂度：

为了查找特定元素，我们需要遍历列表，所以时间复杂度为O(n)O(n)O(n)

count()

count(x)操作可返回元素x在列表中出现的次数

时间复杂度：

同样的，需要遍历整个列表才能得到结果，所以时间复杂度为O(n)O(n)O(n)

总结

其实Python中的list和C++中的vector很类似，如果想看底层实现，可以去看看cpython解释器的具体实现。

方法	时间复杂度	说明
`[i]`	O(1)O(1)O(1)
`[i1, i2]`	O(k)O(k)O(k)
`append(x)`	O(1)O(1)O(1)
`insert(i, x)`	O(n)O(n)O(n)
`extend(iterable)`	O(k)O(k)O(k)
`pop()`	O(1)O(1)O(1)
`pop(i)`	O(n)O(n)O(n)
`remove(x)`	O(n)O(n)O(n)
`del`	O(n)O(n)O(n)
`clear()`	O(n)O(n)O(n)	取决于解释器
`index(x)`	O(n)O(n)O(n)
`count(x)`	O(n)O(n)O(n)

其他常用方法

Split()函数

split() 函数可以将字符串按照规律分割为小片段（也被称为字），然后存储在一个列表中，例如：

>>> string = "hello world"
>>> words = string.split()
>>> print(words)
['hello', 'world']

我们还可以指定分隔符（默认为空格），例如：

>>> string = "Hello_world_what_a_good_day"
>>> words = string.split()
>>> print(words)
['Hello_world_what_a_good_day']>>> words = string.split("_")
>>> print(words)
['Hello', 'world', 'what', 'a', 'good', 'day']

list的优点和缺点

优点：

可以添加任意类型的元素
通过索引快速访问
适合做末尾的添加操作
Python将列表设计成了一个很强大的数据结构，主要体现在列表的特性上，例如列表推导式（List comprehensions）等，详情见list的特性

缺点：

不利于做元素的删除和插入操作

list的特性

待补充…

相关章节

Python数据结构——array
Python数据结构——list
Python数据结构——tuple