Python编程中3个常用的数据布局和算法

Python内置了很多很是有效的数据布局，好比列表(list)、荟萃(set)以及字典(dictionary)。就绝大部门环境而言，我们可以直接行使这些数据布局。可是，凡是我们还必要思量好比搜刮、排序、分列以及筛选等这一类常见的题目。

本篇文章将先容3种常见的数据布局和同数据有关的算法。另外，在collections模块中也包括了针对各类数据布局的办理方案。

1. 将序列解析为单独的变量

(1) 题目

我们有一个包括 N 个元素的元组或序列，此刻想将它解析为N个单独的变量。

(2) 办理方案

任何序列(或可迭代的工具)都可以通过一个简朴的赋值操纵来解析为单独的变量。独一的要求是变量的总数和布局要与序列相相符。譬喻：

>>> p = (4, 5) 
>>> x, y = p 
>>> x 
4 
>>> y 
5 
>>> 
>>> data = [ 'ACME', 50, 91.1, (2012, 12, 21) ] 
>>> name, shares, price, date = data 
>>> name 
'ACME' 
>>> date 
(2012, 12, 21) 
>>> name, shares, price, (year, mon, day) = data 
>>> name 
'ACME' 
>>> year 
2012 
>>> mon 
12 
>>> day 
21 
>>> 

假如元素的数目不匹配，将获得一个错误提醒。譬喻：

>>> p = (4, 5) 
>>> x, y, z = p 
Traceback (most recent call last): 
 File "<stdin>", line 1, in <module> 
ValueError: need more than 2 values to unpack 
>>> 

(3) 接头

现实上不只仅只是元组或列表，只要工具刚好是可迭代的，那么就可以执行解析操纵。这包罗字符串、文件、迭代器以及天生器。好比：

>>> s = 'Hello' 
>>> a, b, c, d, e = s 
>>> a 
'H' 
>>> b 
'e' 
>>> e 
'o' 
>>> 

当做解析操纵时，偶然辰也许想扬弃某些特定的值。Python并没有提供非凡的语法来实现这一点，可是凡是可以选一个用不到的变量名，以此来作为要扬弃的值的名称。譬喻：

>>> data = [ 'ACME', 50, 91.1, (2012, 12, 21) ] 
>>> _, shares, price, _ = data 
>>> shares 
50 
>>> price 
91.1 
>>> 

可是请确保选择的变量名没有在其他处所用到过。

2. 从恣意长度的可迭代工具中解析元素

(1) 题目

必要从某个可迭代工具中解析出N个元素，可是这个可迭代工具的长度也许高出N，这会导致呈现“解析的值过多(too many values to unpack)”的非常。

(2) 办理方案

Python的“*表达式”可以用来办理这个题目。譬喻，假设开设了一门课程，并抉择在期末的功课后果中去掉第一个和最后一个，只对中间剩下的后果做均匀分统计。假如只有4个后果，也容许以简朴地将4个都解析出来，可是假若有24个呢?*表达式使这统统都变得简朴：

def drop_first_last(grades): 
 first, *middle, last = grades 
 return avg(middle) 

另一个用例是假设有一些用户记录，记录由姓名和电子邮件地点构成，后头随着恣意数目的电话号码。则可以像这样解析记录：

>>> record = ('Dave', 'dave@example.com', '773-555-1212', '847-555-1212') 
>>> name, email, *phone_numbers = user_record 
>>> name 
'Dave' 
>>> email 
'dave@example.com' 
>>> phone_numbers 
['773-555-1212', '847-555-1212'] 
>>> 

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!