4300 字Python列表使用总结，用心！

今天列表专题的目录如下：

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：101677771

列表基础

- 1 创建列表
- 2 访问元素
- 3 添加元素
- 4 删除元素
- 5 list 与 in
- 6 list 与数字
- 7 列表生成式
列表进阶
- 8 其他常用API
- 9 列表实现栈
- 10 列表包含自身
- 11 插入元素性能分析
- 12 深浅拷贝
- 13 列表可变性

列表基础

1 创建列表

列表是一个容器，使用一对中括号 [] 创建一个列表。

创建一个空列表：

a = [] # 空列表

创建一个含有 5 个整型元素的列表 a ：

a = [3,7,4,2,6]

列表与我们熟知的数组很相似，但又有很大区别。

一般数组内的元素要求同一类型，但是列表内可含有各种不同类型，包括再嵌套列表。

如下，列表 a 包含三种类型：整形，字符串，浮点型：

如下列表 a 嵌套两个列表：

2 访问元素

列表访问主要包括两种：索引和切片。

如下，访问列表 a 可通过我们所熟知的正向索引，注意从 0 开始；

也可通过Python特有的负向索引，

即从列表最后一个元素往前访问，此时索引依次被标记为 -1,-2,...,-5 ，注意从 -1 开始。

除了以上通过索引访问单个元素方式外，

还有非常像 matlab 的切片访问方式，这是一次访问多个元素的方法。

切片访问的最基本结构：中间添加一个冒号。

如下切片，能一次实现访问索引为1到4，不包括4的序列：

In [1]: a=[3,7,4,2,6]In [2]: a[1:4]
Out[2]: [7, 4, 2]

Python支持负索引，能带来很多便利。比如能很方便的获取最后三个元素：

In [1]: a=[3,7,4,2,6]In [3]: a[-3:]
Out[3]: [4, 2, 6]

除了使用一个冒号得到连续切片外，

使用两个冒号获取带间隔的序列元素，两个冒号后的数字就是间隔长度：

In [1]: a=[3,7,4,2,6]In [7]: a[::2] # 得到切片间隔为2
Out[7]: [3, 4, 6]

其实最全的切片结构： start:stop:interval ，如下所示，获得切片为：索引从 1 到 5 间隔为 2 :

In [6]: a=[3,7,4,2,6]In [7]: a[1:5:2]
Out[7]: [7, 2]

3 添加元素

列表与数组的另一个很大不同，使用数组前，需要知道数组长度，便于从系统中申请内存。

但是，列表却不需要预先设置元素长度。

它支持任意的动态添加元素，完全不用操心列表长短。

它会随着数组增加或删除而动态的调整列表大小。

这与数据结构中的线性表或向量很相似。

添加元素通常有两类场景。

append 一次添加1个元素， insert 在指定位置添加元素：

In [8]: a=[3,7,4,2,6]
In [9]: a.append(1) # append默认在列表尾部添加元素
In [10]: a
Out[10]: [3, 7, 4, 2, 6, 1]In [11]: a.insert(2,5) # insert 在索引2处添加元素5
In [12]: a
Out[12]: [3, 7, 5, 4, 2, 6, 1]

extend 或直接使用 + 实现一次添加多个元素：

In [13]: a.extend([0,10])# 一次就地添加0,10两个元素
In [14]: a
Out[14]: [3, 7, 5, 4, 2, 6, 1, 0, 10]In [15]: b = a+[11,21] # + 不是就地添加，而是重新创建一个新的列表
In [16]: b
Out[16]: [3, 7, 5, 4, 2, 6, 1, 0, 10, 11, 21]

这里面有一个 重要细节 ，不知大家平时注意到吗。

extend 方法实现批量添加元素时未创建一个新的列表，而是直接添加在原列表中，这被称为 in-place ，就地。而 b=a+list对象 实际是创建一个新的列表对象，所以不是就地批量添加元素。

但是， a+=一个列表对象 ， += 操作符则就会自动调用 extend 方法进行合并运算。大家注意这些 微妙的区别 ，不同场景选用不同的API，以此高效节省内存。

4 删除元素

删除元素的方法有三种： remove , pop , del .

remove 直接删除元素，若被删除元素在列表内重复出现多次，则只删除第一次：

In [17]: a=[1,2,3,2,4,2]
In [18]: a.remove(2)
In [19]: a
Out[19]: [1, 3, 2, 4, 2]

pop 方法若不带参数默认删除列表最后一个元素；若带参数则删除此参数代表的索引处的元素：

In[19]: a = [1, 3, 2, 4, 2]
In [20]: a.pop() # 删除最后一个元素
Out[20]: 2
In [21]: a
Out[21]: [1, 3, 2, 4]In [22]: a.pop(1) # 删除索引等于1的元素
Out[22]: 3
In [23]: a
Out[23]: [1, 2, 4]

del 与 pop 相似，删除指定索引处的元素：

In [24]: a = [1, 2, 4]
In [25]: del a[1:] # 删除索引1到最后的切片序列
In [26]: a
Out[26]: [1]

5 list 与 in

列表是可迭代的，除了使用类似 c 语言的索引遍历外，还支持 for item in alist 这种直接遍历元素的方法：

In [28]: a = [3,7,4,2,6]
In [29]: for item in a:...:     print(item)
3
7
4
2
6

in 与可迭代容器的结合，还用于判断某个元素是否属于此列表：

In [28]: a = [3,7,4,2,6]
In [30]: 4 in a
Out[30]: TrueIn [31]: 5 in a
Out[31]: False

6 list 与数字

内置的list与数字结合，实现元素的复制，如下所示：

In [32]: ['Hi!'] * 4
Out[32]: ['Hi!', 'Hi!', 'Hi!', 'Hi!']

表面上这种操作太方便，实际确实也很方便，比如我想快速打印20个 - ，只需下面一行代码：

In [33]: '-'*20
Out[33]: '--------------------'

使用列表与数字相乘构建二维列表，然后第一个元素赋值为 [1,2] ，第二个元素赋值为 [3,4]，第三个元素为 [5] ：

In [34]: a = [[]] * 3
In [35]: a[0]=[1,2]
In [36]: a[1]=[3,4]
In [37]: a[2]=[5]
In [38]: a
Out[38]: [[1, 2], [3, 4], [5]]

7 列表生成式

列表生成式 是创建列表的一个方法，它与使用 append 等API创建列表相比，书写更加简洁。

使用列表生成式创建1到50的所有奇数列表：

a=[i for i in range(50) if i&1]

列表进阶

8 其他常用API

除了上面提到的方法外，列表封装的其他方法还包括如下：

clear , index , count , sort , reverse , copy

clear 用于清空列表内的所有元素 index 用于查找里面某个元素的索引:

In [4]: a=[1,3,7]In [5]: a.index(7)
Out[5]: 2

count 用于统计某元素的出现次数：

In [6]: a=[1,2,3,2,2,5]In [7]: a.count(2) # 元素2出现3次
Out[7]: 3

sort 用于元素排序，其中参数 key 定制排序规则。如下列表，其元素为元祖，根据元祖的第二个值由小到大排序：

In [8]: a=[(3,1),(4,1),(1,3),(5,4),(9,-10)]In [9]: a.sort(key=lambda x:x[1])In [10]: a
Out[10]: [(9, -10), (3, 1), (4, 1), (1, 3), (5, 4)]

reverse 完成列表反转：

In [15]: a=[1,3,-2]In [16]: a.reverse()In [17]: a
Out[17]: [-2, 3, 1]

copy 方法在下面讲深浅拷贝时会详细展开。

9 列表实现栈

列表封装的这些方法，实现 栈 这个常用的数据结构比较容易。栈是一种只能在列表一端进出的特殊列表， pop 方法正好完美实现：

In [23]: stack=[1,3,5]In [24]: stack.append(0) # push元素0到尾端，不需要指定索引In [25]: stack
Out[25]: [1, 3, 5, 0]In [26]: stack.pop() # pop元素，不需指定索引，此时移出尾端元素
Out[26]: 0In [27]: stack
Out[27]: [1, 3, 5]

由此可见Python的列表当做栈用，完全没有问题，push 和 pop 操作的时间复杂度都为 O(1)

但是使用列表模拟队列就不那么高效了，需要借助Python的 collections 模块中的双端队列 deque 实现。

10 列表包含自身

列表的赋值操作，有一个非常有意思的问题，大家不妨耐心看一下。

In [1]: a=[1,3,5]In [2]: a[1]=a  # 列表内元素指向自身

这样相当于创建了一个引用自身的结构。

打印结果显示是这样的：

In [3]: a
Out[3]: [1, [...], 5]

中间省略号表示无限循环，这种赋值操作导致无限循环，这是为什么？下面分析下原因。

执行 a = [1,3,5] 的时候，Python 做的事情是首先创建一个列表对象 [1, 3, 5]，然后给它贴上名为 a 的标签。

执行 a[1] = a 的时候，Python 做的事情则是把列表对象的第二个元素指向 a 所引用的列表对象本身。

执行完毕后， a 标签还是指向原来的那个对象，只不过那个对象的结构发生了变化。

从之前的列表 [1,3,5] 变成了 [1,[...], 5]，而这个[...]则是指向原来对象本身的一个引用。

如下图所示：

可以看到形成一个环路：a[1]--->中间元素--->a[1]，所以导致无限循环。

11 插入元素性能分析

与常规数组需要预先指定长度不同，Python 中list不需要指定容器长度，允许我们随意的添加删除元素。

但是这种便捷性也会带来一定副作用，就是插入元素的时间复杂度为O(n)，而不是O(1)，因为insert会导致依次移动插入位置后的所有元素。

为了加深对插入元素的理解，特意把cpython实现 insert 元素的操作源码拿出来。

可以清楚看到 insert 元素时，插入位置处的元素都会后移一个位置，因此插入元素的时间复杂为 O(n) ，所以凡是涉及频繁插入删除元素的操作，都不太适合用 list .

static int
ins1(PyListObject *self, Py_ssize_t where, PyObject *v)
{assert((size_t)n + 1 < PY_SSIZE_T_MAX);if (list_resize(self, n+1) < 0)return -1;if (where < 0) {where += n;if (where < 0)where = 0;}if (where > n)where = n;items = self->ob_item;//依次移动插入位置后的所有元素// O(n) 时间复杂度for (i = n; --i >= where; ) items[i+1] = items[i];Py_INCREF(v);items[where] = v;return 0;
}

12 深浅拷贝

list 封装的 copy 方法实现对列表的浅拷贝，浅拷贝只拷贝一层，具体拿例子说：

In [38]: c =[1,3,5]In [39]: cc = c.copy()

c 和 cc 分别指向一片不同内存，示意图如下：

这样修改 cc 的第一个元素，原来 c 不受影响：

In [40]: cc[0]=10 # 修改cc第一个元素In [41]: cc
Out[41]: [10, 3, 5]In [42]: c # 原来 c 不受影响
Out[42]: [1, 3, 5]

但是，如果内嵌一层列表，再使用copy时只拷贝一层：

In [32]: a=[[1,3],[4,2]]In [33]: ac = a.copy()In [34]: ac
Out[34]: [[1, 3], [4, 2]]

上面的示意图清晰的反映出这一点，内嵌的列表并没有实现拷贝。因此再修改内嵌的元素时，原来的列表也会受到影响。

In [35]: ac[0][0]=10In [36]: ac
Out[36]: [[10, 3], [4, 2]]In [37]: a
Out[37]: [[10, 3], [4, 2]]

要想实现深度拷贝，需要使用Python模块 copy 中的 deepcopy 方法。

13 列表可变性

列表是可变的，可变的对象是不可哈希的，不可哈希的对象不能被映射，因此不能被用作字典的键。

In [51]: a=[1,3]
In [52]: d={a:'不能被哈希'} #会抛出如下异常# TypeError: unhashable type: 'list'

但是，有时我们确实需要列表对象作为键，这怎么办？

可以将列表转化为元祖，元祖是可哈希的，所以能作为字典的键。

总结

以上就是列表专题的所有13个方面总结，目录如下：

列表基础

1 创建列表
2 访问元素
3 添加元素
4 删除元素
5 list 与 in
6 list 与数字
7 列表生成式

列表进阶

8 其他常用API
9 列表实现栈
10 列表包含自身
11 插入元素性能分析
12 深浅拷贝
13 列表可变性