1. 为什么列表是Python入门必学内容作为Python中最基础也最常用的数据结构之一列表(list)几乎出现在所有Python程序中。我刚开始学习Python时导师就反复强调掌握列表就掌握了Python的半壁江山。经过多年实战验证这句话毫不夸张。列表之所以重要主要体现在三个方面首先列表能存储任意类型的对象。不同于其他语言中的数组需要统一类型Python列表可以混合存放数字、字符串、字典等各种对象。这种灵活性让列表成为处理异构数据的首选容器。比如一个电商订单列表可以同时包含订单号(字符串)、金额(浮点数)、商品详情(字典)等不同数据类型。其次列表支持动态增删。我们不需要预先声明大小可以随时用append()添加元素用pop()移除元素。这种特性在处理未知数量的数据时特别有用。例如爬虫抓取的网页链接列表随着抓取进行会不断增长。最后列表提供了丰富的内置方法。排序(sort)、反转(reverse)、查找(index)等常见操作都有现成实现配合切片等特性能用极简代码完成复杂操作。比如统计学生成绩时用一行scores.sort(reverseTrue)[:3]就能找出前三名。实际项目中我见过太多因为不熟悉列表操作而写出的冗长代码。比如有人用20行代码实现的排序过滤功能其实用列表方法3行就能完成。这也是为什么我把列表作为Python入门必讲内容。2. 列表的创建与基本操作2.1 四种创建列表的方式创建列表最直接的方式是用方括号[]包裹元素fruits [apple, banana, orange] # 字符串列表 scores [98, 85, 91, 76] # 数值列表 mixed [1, text, True, 3.14] # 混合类型列表第二种是用list()构造函数转换其他可迭代对象chars list(hello) # 得到 [h, e, l, l, o] nums list(range(5)) # 得到 [0, 1, 2, 3, 4]第三种是通过列表推导式(后面会详细讲解)squares [x**2 for x in range(10)]第四种是特殊场景下的乘法创建empty [None] * 5 # 创建包含5个None的列表2.2 访问与修改元素列表使用从0开始的索引访问元素colors [red, green, blue] print(colors[0]) # 输出: red colors[1] yellow # 修改第二个元素负数索引表示从末尾开始计数print(colors[-1]) # 输出最后一个元素: blue新手常犯的错误是越界访问。比如长度为3的列表尝试访问[3]会引发IndexError。记住最大有效索引总是len(list)-1。2.3 添加元素的三种方法append()在末尾添加单个元素colors.append(black) # [red, yellow, blue, black]extend()或合并另一个列表colors.extend([white, gray]) # 等价于 colors [white, gray] # 结果: [red, yellow, blue, black, white, gray]insert()在指定位置插入colors.insert(1, pink) # 在索引1处插入 # 结果: [red, pink, yellow, blue, black, white, gray]2.4 删除元素的三种方式remove()按值删除第一个匹配项colors.remove(yellow) # 删除第一个yellowpop()按索引删除并返回被删元素last_color colors.pop() # 删除并返回gray second_color colors.pop(1) # 删除并返回pinkdel语句按索引或切片删除del colors[0] # 删除red del colors[1:3] # 删除切片范围内的元素注意当列表很大时频繁在开头或中间插入/删除会导致后续元素大量移动影响性能。这种情况下建议考虑collections.deque。3. 列表的进阶操作与技巧3.1 切片操作的艺术切片是Python最优雅的特性之一基本语法为list[start:stop:step]nums [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] print(nums[2:6]) # [2, 3, 4, 5] print(nums[::2]) # 步长2: [0, 2, 4, 6, 8] print(nums[::-1]) # 逆序: [9, 8, 7, ..., 0]切片常用于获取子列表复制列表(new_list old_list[:])逆序排列间隔采样切片是浅拷贝。如果列表包含可变对象(如子列表)修改切片会影响原列表。需要深拷贝时用copy模块的deepcopy()。3.2 列表排序的三种方法内置sort()方法原地排序nums [3, 1, 4, 1, 5, 9, 2] nums.sort() # 升序: [1, 1, 2, 3, 4, 5, 9] nums.sort(reverseTrue) # 降序sorted()函数返回新列表sorted_nums sorted(nums) # 原列表不变自定义排序规则words [apple, banana, cherry] words.sort(keylen) # 按长度排序: [apple, cherry, banana]3.3 列表推导式与生成器表达式列表推导式是创建列表的简洁方式squares [x**2 for x in range(10)] # [0, 1, 4, ..., 81] even_squares [x**2 for x in range(10) if x % 2 0]对于大数据集生成器表达式更节省内存sum_of_squares sum(x**2 for x in range(1000000))在数据处理中我经常用推导式替代for循环代码更简洁且通常性能更好。但要注意避免多层嵌套的复杂推导式会影响可读性。3.4 列表与字符串的转换字符串转列表chars list(hello) # [h, e, l, l, o] words python is great.split() # [python, is, great]列表转字符串word_list [Join, us, now] sentence .join(word_list) # Join us now csv_line ,.join(map(str, [1, 2, 3])) # 1,2,34. 性能优化与常见陷阱4.1 列表操作的性能分析不同操作的时间复杂度索引/赋值O(1)append/pop末尾O(1)insert/pop非末尾O(n)查找(in)O(n)切片O(k) (k为切片长度)实际案例对比# 低效做法(每次insert都是O(n)) lst [] for i in range(100000): lst.insert(0, i) # 在开头插入 # 高效做法(append是O(1)) lst [] for i in range(100000): lst.append(i) lst.reverse() # 最后统一反转4.2 浅拷贝与深拷贝的区别浅拷贝只复制引用original [[1, 2], [3, 4]] shallow_copy original.copy() shallow_copy[0][0] 99 # 会修改original!深拷贝创建完全独立的对象import copy deep_copy copy.deepcopy(original) deep_copy[0][0] 99 # 不影响original4.3 列表作为函数参数的注意事项列表是可变对象函数内修改会影响原列表def modify(lst): lst.append(4) nums [1, 2, 3] modify(nums) print(nums) # [1, 2, 3, 4]如果不想修改原列表应先创建副本def safe_modify(lst): lst lst.copy() lst.append(4) return lst4.4 列表与元组的对比选择列表(list)元组(tuple)可变性可变不可变内存通常更大通常更小速度稍慢稍快用途存储可变数据集存储固定数据选择原则需要修改内容时用列表作为字典键或需要哈希时用元组保护数据不被意外修改时用元组5. 实际项目中的应用案例5.1 数据处理与分析清洗数据时的常见操作# 去除空值 clean_data [x for x in raw_data if x is not None] # 数据标准化 scores [85, 92, 78, 90] max_score max(scores) normalized [x/max_score for x in scores] # 分组统计 from collections import defaultdict groups defaultdict(list) for item in data: groups[item[category]].append(item)5.2 游戏开发中的应用贪吃蛇游戏中的蛇身表示snake [(0, 0), (0, 1), (0, 2)] # 每个元组代表一个身体段坐标 def move(direction): head snake[-1] new_head (head[0] direction[0], head[1] direction[1]) snake.append(new_head) # 添加新头部 snake.pop(0) # 移除尾部5.3 Web开发中的使用场景Flask路由参数处理app.route(/search) def search(): keywords request.args.getlist(q) # 获取所有q参数值列表 results [] for kw in keywords: results.extend(db.search(kw)) return render_template(results.html, resultsresults)5.4 算法题中的典型应用LeetCode两数之和的高效解法def two_sum(nums, target): seen {} # 值到索引的映射 for i, num in enumerate(nums): complement target - num if complement in seen: return [seen[complement], i] seen[num] i return []6. 从列表延伸的其他数据结构6.1 collections.deque - 高效双端队列当需要频繁在两端操作时deque比list更高效from collections import deque d deque([1, 2, 3]) d.appendleft(0) # O(1)时间 d.popleft() # O(1)时间6.2 array.array - 数值类型数组存储大量数值时更节省内存import array arr array.array(i, [1, 2, 3]) # i表示整数6.3 numpy.ndarray - 科学计算数组支持向量化操作和多维数组import numpy as np a np.array([1, 2, 3]) b np.array([4, 5, 6]) print(a b) # [5 7 9]6.4 何时选择这些替代结构频繁在序列两端操作deque纯数值数据且内存敏感array数值计算和矩阵运算numpy其他一般情况list在数据处理项目中我经常先用list快速实现功能在性能测试阶段再考虑是否替换为更专用的结构。过早优化有时会得不偿失。
1. 为什么列表是Python入门必学内容作为Python中最基础也最常用的数据结构之一列表(list)几乎出现在所有Python程序中。我刚开始学习Python时导师就反复强调掌握列表就掌握了Python的半壁江山。经过多年实战验证这句话毫不夸张。列表之所以重要主要体现在三个方面首先列表能存储任意类型的对象。不同于其他语言中的数组需要统一类型Python列表可以混合存放数字、字符串、字典等各种对象。这种灵活性让列表成为处理异构数据的首选容器。比如一个电商订单列表可以同时包含订单号(字符串)、金额(浮点数)、商品详情(字典)等不同数据类型。其次列表支持动态增删。我们不需要预先声明大小可以随时用append()添加元素用pop()移除元素。这种特性在处理未知数量的数据时特别有用。例如爬虫抓取的网页链接列表随着抓取进行会不断增长。最后列表提供了丰富的内置方法。排序(sort)、反转(reverse)、查找(index)等常见操作都有现成实现配合切片等特性能用极简代码完成复杂操作。比如统计学生成绩时用一行scores.sort(reverseTrue)[:3]就能找出前三名。实际项目中我见过太多因为不熟悉列表操作而写出的冗长代码。比如有人用20行代码实现的排序过滤功能其实用列表方法3行就能完成。这也是为什么我把列表作为Python入门必讲内容。2. 列表的创建与基本操作2.1 四种创建列表的方式创建列表最直接的方式是用方括号[]包裹元素fruits [apple, banana, orange] # 字符串列表 scores [98, 85, 91, 76] # 数值列表 mixed [1, text, True, 3.14] # 混合类型列表第二种是用list()构造函数转换其他可迭代对象chars list(hello) # 得到 [h, e, l, l, o] nums list(range(5)) # 得到 [0, 1, 2, 3, 4]第三种是通过列表推导式(后面会详细讲解)squares [x**2 for x in range(10)]第四种是特殊场景下的乘法创建empty [None] * 5 # 创建包含5个None的列表2.2 访问与修改元素列表使用从0开始的索引访问元素colors [red, green, blue] print(colors[0]) # 输出: red colors[1] yellow # 修改第二个元素负数索引表示从末尾开始计数print(colors[-1]) # 输出最后一个元素: blue新手常犯的错误是越界访问。比如长度为3的列表尝试访问[3]会引发IndexError。记住最大有效索引总是len(list)-1。2.3 添加元素的三种方法append()在末尾添加单个元素colors.append(black) # [red, yellow, blue, black]extend()或合并另一个列表colors.extend([white, gray]) # 等价于 colors [white, gray] # 结果: [red, yellow, blue, black, white, gray]insert()在指定位置插入colors.insert(1, pink) # 在索引1处插入 # 结果: [red, pink, yellow, blue, black, white, gray]2.4 删除元素的三种方式remove()按值删除第一个匹配项colors.remove(yellow) # 删除第一个yellowpop()按索引删除并返回被删元素last_color colors.pop() # 删除并返回gray second_color colors.pop(1) # 删除并返回pinkdel语句按索引或切片删除del colors[0] # 删除red del colors[1:3] # 删除切片范围内的元素注意当列表很大时频繁在开头或中间插入/删除会导致后续元素大量移动影响性能。这种情况下建议考虑collections.deque。3. 列表的进阶操作与技巧3.1 切片操作的艺术切片是Python最优雅的特性之一基本语法为list[start:stop:step]nums [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] print(nums[2:6]) # [2, 3, 4, 5] print(nums[::2]) # 步长2: [0, 2, 4, 6, 8] print(nums[::-1]) # 逆序: [9, 8, 7, ..., 0]切片常用于获取子列表复制列表(new_list old_list[:])逆序排列间隔采样切片是浅拷贝。如果列表包含可变对象(如子列表)修改切片会影响原列表。需要深拷贝时用copy模块的deepcopy()。3.2 列表排序的三种方法内置sort()方法原地排序nums [3, 1, 4, 1, 5, 9, 2] nums.sort() # 升序: [1, 1, 2, 3, 4, 5, 9] nums.sort(reverseTrue) # 降序sorted()函数返回新列表sorted_nums sorted(nums) # 原列表不变自定义排序规则words [apple, banana, cherry] words.sort(keylen) # 按长度排序: [apple, cherry, banana]3.3 列表推导式与生成器表达式列表推导式是创建列表的简洁方式squares [x**2 for x in range(10)] # [0, 1, 4, ..., 81] even_squares [x**2 for x in range(10) if x % 2 0]对于大数据集生成器表达式更节省内存sum_of_squares sum(x**2 for x in range(1000000))在数据处理中我经常用推导式替代for循环代码更简洁且通常性能更好。但要注意避免多层嵌套的复杂推导式会影响可读性。3.4 列表与字符串的转换字符串转列表chars list(hello) # [h, e, l, l, o] words python is great.split() # [python, is, great]列表转字符串word_list [Join, us, now] sentence .join(word_list) # Join us now csv_line ,.join(map(str, [1, 2, 3])) # 1,2,34. 性能优化与常见陷阱4.1 列表操作的性能分析不同操作的时间复杂度索引/赋值O(1)append/pop末尾O(1)insert/pop非末尾O(n)查找(in)O(n)切片O(k) (k为切片长度)实际案例对比# 低效做法(每次insert都是O(n)) lst [] for i in range(100000): lst.insert(0, i) # 在开头插入 # 高效做法(append是O(1)) lst [] for i in range(100000): lst.append(i) lst.reverse() # 最后统一反转4.2 浅拷贝与深拷贝的区别浅拷贝只复制引用original [[1, 2], [3, 4]] shallow_copy original.copy() shallow_copy[0][0] 99 # 会修改original!深拷贝创建完全独立的对象import copy deep_copy copy.deepcopy(original) deep_copy[0][0] 99 # 不影响original4.3 列表作为函数参数的注意事项列表是可变对象函数内修改会影响原列表def modify(lst): lst.append(4) nums [1, 2, 3] modify(nums) print(nums) # [1, 2, 3, 4]如果不想修改原列表应先创建副本def safe_modify(lst): lst lst.copy() lst.append(4) return lst4.4 列表与元组的对比选择列表(list)元组(tuple)可变性可变不可变内存通常更大通常更小速度稍慢稍快用途存储可变数据集存储固定数据选择原则需要修改内容时用列表作为字典键或需要哈希时用元组保护数据不被意外修改时用元组5. 实际项目中的应用案例5.1 数据处理与分析清洗数据时的常见操作# 去除空值 clean_data [x for x in raw_data if x is not None] # 数据标准化 scores [85, 92, 78, 90] max_score max(scores) normalized [x/max_score for x in scores] # 分组统计 from collections import defaultdict groups defaultdict(list) for item in data: groups[item[category]].append(item)5.2 游戏开发中的应用贪吃蛇游戏中的蛇身表示snake [(0, 0), (0, 1), (0, 2)] # 每个元组代表一个身体段坐标 def move(direction): head snake[-1] new_head (head[0] direction[0], head[1] direction[1]) snake.append(new_head) # 添加新头部 snake.pop(0) # 移除尾部5.3 Web开发中的使用场景Flask路由参数处理app.route(/search) def search(): keywords request.args.getlist(q) # 获取所有q参数值列表 results [] for kw in keywords: results.extend(db.search(kw)) return render_template(results.html, resultsresults)5.4 算法题中的典型应用LeetCode两数之和的高效解法def two_sum(nums, target): seen {} # 值到索引的映射 for i, num in enumerate(nums): complement target - num if complement in seen: return [seen[complement], i] seen[num] i return []6. 从列表延伸的其他数据结构6.1 collections.deque - 高效双端队列当需要频繁在两端操作时deque比list更高效from collections import deque d deque([1, 2, 3]) d.appendleft(0) # O(1)时间 d.popleft() # O(1)时间6.2 array.array - 数值类型数组存储大量数值时更节省内存import array arr array.array(i, [1, 2, 3]) # i表示整数6.3 numpy.ndarray - 科学计算数组支持向量化操作和多维数组import numpy as np a np.array([1, 2, 3]) b np.array([4, 5, 6]) print(a b) # [5 7 9]6.4 何时选择这些替代结构频繁在序列两端操作deque纯数值数据且内存敏感array数值计算和矩阵运算numpy其他一般情况list在数据处理项目中我经常先用list快速实现功能在性能测试阶段再考虑是否替换为更专用的结构。过早优化有时会得不偿失。
![[具身智能-181]：PC+服务器+具身机器人：构建具身智能从仿真到量产的闭环迭代混合架构](http://pic.xiahunao.cn/yaotu/[具身智能-181]：PC+服务器+具身机器人：构建具身智能从仿真到量产的闭环迭代混合架构)
