開始Python的數據結構

最新 10-13

本文是《如何七周成為數據分析師》的第十九篇教程，相關視頻教程【秦路主講，七周成為數據分析師】如果想要了解寫作初衷，可以先行閱讀七周指南。溫馨提示：如果您已經熟悉Python，大可不必再看這篇文章，或只挑選部分。

Python一共有三大數據結構，它是Python進行數據分析的基礎，分別是tuple元組，list數組以及dict字典。本文通過這三者的學習，打下數據分析的基礎。

數組

數組是一個有序的集合，他用方括弧表示。

num就是一個典型的數組。數組不限定其中的數據類型，可以是整數也可以是字元串，或者是混合型。

數組可以直接用特定的函數，函數名和Excel相近。

sum是求和，len則是統計數組中的元素個數。

上述列舉的函數是數組內整體元素的應用，如果我只想針對單一的元素呢？比如查找，這裡就要用到數組的特性，索引。索引和SQL中的索引差不多，都是用來指示數據所在位置的邏輯指針。數組的索引便是元素所在的序列位置。

注意，索引位置是從0開始算起，這是編程語言的默認特色了。num[0]指數組的第一個元素，num[1]指數組的第二個元素。

我們用len()計算出了數組元素個數是5，那麼它最後一個元素的索引是4。若是數組內的元素特別多呢？此時查找數組最後一位的元素會有點麻煩。Python有一個簡易的方法，可以用負數表示，意為從最後一個數字計算索引。

這裡的num[4]等價於num[-1]，num[-2]則指倒數第二個的元素。

再來一個新問題，如何一次性選擇多個元素？例如篩選出數組前三個元素。在Python中，用：表示範圍。

num[0:3]篩選了前三個元素，方括弧左邊是閉區間，右邊是開區間，所以這裡是num[0]，num[1]和num[2]，並不包含num[3]。這個方法叫做切片。

上述是索引的特殊用法，[0:]表示從第0個索引開始，直到最後一個元素。[:3]表示從第一個元素開始，直到第3個索引。

負數當然也有特殊用法。[-1:]表示從最後一個元素開始，因為它已經是最後一個元素了，所以只返回它本身。[:-1]表示從第一個元素開始到最後一個元素。num[-2:-1]和num[-3:-1]大同小異。

數組的增刪查

我們已經了解數組的基本概念，不過仍舊停留在查找，它不涉及數據的變化。工作中，更多需要操縱數組，對數組的元素進行添加，刪除，更改。

數組通過insert函數插入，函數的第一個參數表示插入的索引位置，第二個表示插入的值。

另外一種方式是append，直接在數組末尾添加上元素。它在之後講到迭代和循環時應用較多。

如果要刪除特定位置的元素，用pop函數。如果函數沒有選擇數值，默認刪除最後一個元素，如果有，則刪除數值對應索引的元素。

更改元素不需要用到函數，直接選取元素重新賦值即可。

到這裡，數組增刪改查已經講完，但這只是一維數組，一維數組之上還有多維數組。如果現在有一份數據是關於學生信息，一共有三個學生，要求包含學生的姓名，年齡，和性別，應該怎麼用數組表示呢？

有兩種思路，一種是用三個一維數組分別表示學生的姓名，年齡和性別。

學生屬性被拆分成多個數組，利用索引來表示其信息，這裡的索引有些類似SQL的主鍵，通過索引查找到信息。但是這種方法並不直觀，實際應用會比較麻煩，更好的方法是表示成多維數組。

所謂多維數組，是數組內再嵌套數組，圖中表示的是一個寬度為3，高度為3的二維數組。此時student[0]返回的是數組而不是單一值。這種方法將學生信息合併在一起，比第一個案例更容易使用。

如果想選擇第一個學生的性別，應該怎麼辦呢？很簡單，後面再加一個索引即可。

現在嘗試快速創建一個多維數組。

[0]*3將快速生成3個元素值為0的數組，這是一種快捷操作，而[row]*4則將其擴展成二維數據，因為是4，所以是3*4的結構。

這裡有一個注意點，當我們想更改多維數組中的某一個元素而不是數組時，這種方式會錯誤。

按照正常的想法，martix[1][0]將會改變第二個數組中的第一個值為1，但是結果是所有數組的第一個值都變成1。這是因為在matrix = [row] * 4操作中，只是創建3個指向row的引用，可以簡單理解成四個數組是一體的。一旦其中一個改變，所有的都會變。

比較穩妥的方式是直接定義多維數組，或者用循環間接定義。多維數組是一個挺重要的概念，它也能直接表示成矩陣，是後續很多演算法和分析的基礎（不過在pandas中，它是另外一種形式了）。

元組

tuple叫做元組，它和數組非常相似，不過用圓括弧表示。但是它最大的特點是不能修改。

當我們想要修改時就會報錯。

而選擇和數組沒有差異。

元組可以作為簡化版的數組，因為它不可更改的特性，很多時候可以作為常量使用，防止被篡改。這樣會更安全。

字典

字典dict全稱dictionary，以鍵值對key-value的形式存儲。所謂鍵值，就是將key作為索引存儲。用大括弧表示。

圖中的 qinlu 是key，18是value值。key是唯一的，value可以對應各種數據類型。key-value的原理不妨想像成查找字典，拼音是key，對應的文字是value（當然字典的拼音不唯一）。

字典和數組的差異在於，因為字典以key的形式存儲和查找，所以它的查詢速度非常快，畢竟翻字典的時候你只要知道拼音就能快速定位了。對dict數據結構，10條記錄和10萬條記錄的查找沒有區別。

這種查找方式的缺點是佔用內存大。數組則相反，查找速度隨著元素的增加逐漸下降，這個過程想像成程序在一頁頁的翻一本沒有拼音的字典，直到找到內容。數組的優點是佔用的內存空間小。

所以數組和字典的優缺點相反，dict是空間換時間，list是時間換空間，這是編程中一個比較重要的概念。實際中，數據分析師的工作不太涉及工程化，選用數組或者字典沒有太嚴苛的限制。

細心的讀者可能已經發現，字典定義時我的輸入順序是qinlu，lulu，qinqin，而列印出來是lulu，qinlu，qinqin，順序變了。這是因為定義時key的順序和放在內存的key順序沒有關係，key-value通過hash演算法互相確定，甚至不同Python版本的哈希演算法也不同。這一點應用中要避免出錯。

既然字典通過key-value對匹配查找，那麼它自然不能不用數組的數值索引，它只能通過key值。

如果key不存在，會報錯。

通過in方法，可以返回True或False，避免報錯

dict和list一樣，直接通過賦值更改value。