序列是一种数据存储方式，用来存储一系列的数据。在内存中，序列就是一块用来存放多个值的连续的内存空间。比如一个整数序列[10,20,30,40]，可以这样示意表示： 由于Python3 中一切皆对象，在内存中实际是按照如下方式存储的： a = [10,20,30,40] 从图示中，我们可以看出序列中存储的是整数对象的地址，而不是整数对象的值。
Python中常用的序列结构有：
字符串、列表、元组、字典、集合字符串就是一种序列。关于字符串里面很多操作，在这一章中仍然会用到。 本章内容，我们必须非常熟悉。无论是在学习还是工作中，序列都是每天都会用到的技术，可以非常方便的帮助我们进行数据存储的操作。
列表是内置可变序列，是包含多个元素的有序连续的内存空间。列表定义的标准语法格式： a = [10,20,30,40] 其中，10,20,30,40 这些称为：列表a 的元素。 列表中的元素可以各不相同，可以是任意类型。比如： a = [10,20,‘abc’,True] 列表对象的常用方法汇总如下： Python 的列表大小可变，根据需要随时增加或缩小。 字符串和列表都是序列类型，一个字符串是一个字符序列，一个列表是任何元素的序列。很多字符串的方法，在列表中也有类似的用法，几乎一模一样。
使用list()可以将任何可迭代的数据转化成列表。
>>> a = list() #创建一个空的列表对象 >>> a = list(range(10)) >>> a [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> a = list("gaoqi,sxt") >>> a ['g', 'a', 'o', 'q', 'i', ',', 's', 'x', 't']range()可以帮助我们非常方便的创建整数列表，这在开发中及其有用。语法格式为： range([start,] end [,step]) start 参数：可选，表示起始数字。默认是0 end 参数：必选，表示结尾数字。 step 参数：可选，表示步长，默认为1 python3 中range()返回的是一个range 对象，而不是列表。我们需要通过list()方法将其 转换成列表对象。 典型示例如下：
>>> list(range(3,15,2)) [3, 5, 7, 9, 11, 13] >>> list(range(15,3,-1)) [15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4] >>> list(range(3,-10,-1)) [3, 2, 1, 0, -1, -2, -3, -4, -5, -6, -7, -8, -9]使用列表推导式可以非常方便的创建列表，在开发中经常使用。但是，由于涉及到for 循环 和if 语句。在此，仅做基本介绍。在我们控制语句后面，会详细讲解更多列表推导式的细 节。
>>> a = [x*2 for x in range(5)] #循环创建多个元素 >>> a [0, 2, 4, 6, 8] >>> a = [x*2 for x in range(100) if x%9==0] #通过if 过滤元素 >>> a [0, 18, 36, 54, 72, 90, 108, 126, 144, 162, 180, 198]当列表增加和删除元素时，列表会自动进行内存管理，大大减少了程序员的负担。但这个特点涉及列表元素的大量移动，效率较低。除非必要，我们一般只在列表的尾部添加元素或删除元素，这会大大提高列表的操作效率。
原地修改列表对象，是真正的列表尾部添加新的元素，速度最快，推荐使用。
>>> a = [20,40] >>> a.append(80) >>> a [20, 40, 80]并不是真正的尾部添加元素，而是创建新的列表对象；将原列表的元素和新列表的元素依次复制到新的列表对象中。这样，会涉及大量的复制操作，对于操作大量元素不建议使用。
>>> a = [20,40] >>> id(a) 46016072 >>> a = a+[50] >>> id(a) 46015432通过如上测试，我们发现变量a 的地址发生了变化。也就是创建了新的列表对象。
将目标列表的所有元素添加到本列表的尾部，属于原地操作，不创建新的列表对象。
>>> a = [20,40] >>> id(a) 46016072 >>> a.extend([50,60]) >>> id(a) 46016072使用insert()方法可以将指定的元素插入到列表对象的任意制定位置。这样会让插入位置后面所有的元素进行移动，会影响处理速度。涉及大量元素时，尽量避免使用。类似发生这种移动的函数还有：remove()、pop()、del()，它们在删除非尾部元素时也会发生操作位置后面元素的移动。
>>> a = [10,20,30] >>> a.insert(2,100) >>> a [10, 20, 100, 30]使用乘法扩展列表，生成一个新列表，新列表元素时原列表元素的多次重复。
>>> a = ['sxt',100] >>> b = a*3 >>> a ['sxt', 100] >>> b ['sxt', 100, 'sxt', 100, 'sxt', 100]适用于乘法操作的，还有：字符串、元组。例如：
>>> c = 'sxt' >>> d = c*3 >>> c 'sxt' >>> d 'sxtsxtsxt'删除列表指定位置的元素。
>>> a = [100,200,888,300,400] >>> del a[1] >>> a [100,200,300,400]pop()删除并返回指定位置元素，如果未指定位置则默认操作列表最后一个元素。
>>> a = [10,20,30,40,50] >>> a.pop() 50 >>> a [10, 20, 30, 40] >>> a.pop(1) 20 >>> a [10, 30, 40]删除首次出现的指定元素，若不存在该元素抛出异常。
>>> a = [10,20,30,40,50,20,30,20,30] >>> a.remove(20) >>> a [10, 30, 40, 50, 20, 30, 20, 30] >>> a.remove(100) Traceback (most recent call last): File "<pyshell#208>", line 1, in <module> a.remove(100) ValueError: list.remove(x): x not in list我们可以通过索引直接访问元素。索引的区间在[0, 列表长度-1]这个范围。超过这个范围则会抛出异常。
>>> a = [10,20,30,40,50,20,30,20,30] >>> a[2] 30 >>> a[10] Traceback (most recent call last): File "<pyshell#211>", line 1, in <module> a[10] IndexError: list index out of rangeindex()可以获取指定元素首次出现的索引位置。语法是：index(value,[start,[end]])。其中，start 和end 指定了搜索的范围。
>>> a = [10,20,30,40,50,20,30,20,30] >>> a.index(20) 1 >>> a.index(20,3) 5 >>> a.index(20,3) #从索引位置3 开始往后搜索的第一个20 5 >>> a.index(30,5,7) #从索引位置5 到7 这个区间，第一次出现30 元素的位置 6count()可以返回指定元素在列表中出现的次数。
>>> a = [10,20,30,40,50,20,30,20,30] >>> a.count(20) 3len()返回列表长度，即列表中包含元素的个数。
>>> a = [10,20,30] >>> len(a) 3判断列表中是否存在指定的元素，我们可以使用count()方法，返回0 则表示不存在，返回大于0 则表示存在。但是，一般我们会使用更加简洁的in 关键字来判断，直接返回True或False。
>>> a = [10,20,30,40,50,20,30,20,30] >>> 20 in a True >>> 100 not in a True >>> 30 not in a False我们在前面学习字符串时，学习过字符串的切片操作，对于列表的切片操作和字符串类似。切片是Python 序列及其重要的操作，适用于列表、元组、字符串等等。切片的格式如下： 切片slice 操作可以让我们快速提取子列表或修改。标准格式为：
[ 起始偏移量start : 终止偏移量end [:步长step] ]注：当步长省略时顺便可以省略第二个冒号
典型操作(三个量为正数的情况)如下： 其他操作（三个量为负数）的情况： 切片操作时，起始偏移量和终止偏移量不在[0,字符串长度-1]这个范围，也不会报错。起始偏移量小于0 则会当做0，终止偏移量大于“长度-1”会被当成”长度-1”。例如：
>>> [10,20,30,40][1:30] [20, 30, 40]我们发现正常输出了结果，没有报错。
通过内置函数sort()进行排序
>>> a = [20,10,30,40] >>> id(a) 46017416 >>> a.sort() #默认是升序排列 >>> a [10, 20, 30, 40] >>> a = [10,20,30,40] >>> a.sort(reverse=True) #降序排列 >>> a [40, 30, 20, 10] >>> import random >>> random.shuffle(a) #打乱顺序 >>> a [20, 40, 30, 10]我们也可以通过内置函数sorted()进行排序，这个方法返回新列表，不对原列表做修改。
>>> a = [20,10,30,40] >>> id(a) 46016008 >>> a = sorted(a) #默认升序 >>> a [10, 20, 30, 40] >>> id(a) 45907848 >>> a = [20,10,30,40] >>> id(a) 45840584 >>> b = sorted(a) >>> b [10, 20, 30, 40] >>> id(a) 45840584 >>> id(b) 46016072 >>> c = sorted(a,reverse=True) #降序 >>> c [40, 30, 20, 10]通过上面操作，我们可以看出，生成的列表对象b 和c 都是完全新的列表对象。
内置函数reversed()也支持进行逆序排列，与列表对象reverse()方法不同的是，内置函数 reversed()不对原列表做任何修改，只是返回一个逆序排列的迭代器对象。
>>> a = [20,10,30,40] >>> c = reversed(a) >>> c <list_reverseiterator object at 0x0000000002BCCEB8> >>> list(c) [40, 30, 10, 20] >>> list(c) []我们打印输出c 发现提示是：list_reverseiterator。也就是一个迭代对象。同时，我们使用list©进行输出，发现只能使用一次。第一次输出了元素，第二次为空。那是因为迭代对象在第一次时已经遍历结束了，第二次不能再使用。 注：关于迭代对象的使用，后续章节会进行详细讲解。
用于返回列表中最大和最小值。
>>> a = [3,10,20,15,9] >>> max(a) 20 >>> min(a) 3对数值型列表的所有元素进行求和操作，对非数值型列表运算则会报错。
>>> a = [3,10,20,15,9] >>> sum(a) 57一维列表可以帮助我们存储一维、线性的数据。 二维列表可以帮助我们存储二维、表格的数据。例如下表的数据：
a = [ ["高小一",18,30000,"北京"], ["高小二",19,20000,"上海"], ["高小一",20,10000,"深圳"], ]内存结构图：
>>> print(a[1][0],a[1][1],a[1][2]) 高小二19 20000嵌套循环打印二维列表所有的数据（mypy_08.py）（由于没有学循环，照着敲一遍即可）：
a = [ ["高小一",18,30000,"北京"], ["高小二",19,20000,"上海"], ["高小一",20,10000,"深圳"], ] for m in range(3): for n in range(4): print(a[m][n],end="\t") print() #打印完一行，换行运行结果：
高小一18 30000 北京 高小二19 20000 上海 高小一20 10000 深圳列表属于可变序列，可以任意修改列表中的元素。 元组属于不可变序列，不能修改元组中的元素。 因此，元组没有增加元素、修改元素、删除元素相关的方法。 因此，我们只需要学习元组的创建和删除，元组中元素的访问和计数即可。元组支持如下操作：
索引访问切片操作连接操作成员关系操作比较运算操作计数：元组长度len()、最大值max()、最小值min()、求和sum()等。如果元组只有一个元素，则必须后面加逗号。这是因为解释器会把(1)解释为整数1，(1,)解释为元组。
>>> a = (1) >>> type(a) <class 'int'> >>> a = (1,) #或者a = 1, >>> type(a) <class 'tuple'>总结： tuple()可以接收列表、字符串、其他序列类型、迭代器等生成元组。 list()可以接收元组、字符串、其他序列类型、迭代器等生成列表。
zip(列表1，列表2，…)将多个列表对应位置的元素组合成为元组，并返回这个zip 对象。
>>> a = [10,20,30] >>> b = [40,50,60] >>> c = [70,80,90] >>> d = zip(a,b,c) >>> list(d) [(10, 40, 70), (20, 50, 80), (30, 60, 90)]从形式上看，生成器推导式与列表推导式类似，只是生成器推导式使用小括号。列表推导式直接生成列表对象，生成器推导式生成的不是列表也不是元组，而是一个生成器对象。 我们可以通过生成器对象，转化成列表或者元组。也可以使用生成器对象的__next__()方法进行遍历，或者直接作为迭代器对象来使用。不管什么方式使用，元素访问结束后，如果需要重新访问其中的元素，必须重新创建该生成器对象。
>>> s = (x*2 for x in range(5)) >>> s <generator object <genexpr> at 0x0000000002BDEB48> >>> tuple(s) (0, 2, 4, 6, 8) >>> list(s) #只能访问一次元素。第二次就为空了。需要再生成一次 [] >>> s <generator object <genexpr> at 0x0000000002BDEB48> >>> tuple(s) () >>> s = (x*2 for x in range(5)) >>> s.__next__() 0 >>> s.__next__() 2 >>> s.__next__() 4元组总结
元组的核心特点是：不可变序列。元组的访问和处理速度比列表快。与整数和字符串一样，元组可以作为字典的键，列表则永远不能作为字典的键使用。字典是“键值对”的无序可变序列，字典中的每个元素都是一个“键值对”，包含：“键对象”和“值对象”。可以通过“键对象”实现快速获取、删除、更新对应的“值对象”。 列表中我们通过“下标数字”找到对应的对象。字典中通过“键对象”找到对应的“值对象”。“键”是任意的不可变数据，比如：整数、浮点数、字符串、元组。但是：列表、字典、集合这些可变对象，不能作为“键”。并且“键”不可重复。
“值”可以是任意的数据，并且可重复。一个典型的字典的定义方式：
a = {'name':'gaoqi','age':18,'job':'programmer'}为了测试各种访问方法，我们这里设定一个字典对象： a = {‘name’:‘gaoqi’,‘age’:18,‘job’:‘programmer’}
推荐使用。优点是：指定键不存在，返回None；也可以设定指定键不存在时默认返回的对象。推荐使用get()获取“值对象”。
>>> a.get('name') 'gaoqi' >>> a.get('sex') >>> a.get('sex','一个男人') '一个男人'字典元素添加、修改、删除
字典是“无序可变序列”，因此没有第一个元素、最后一个元素的概念；popitem 弹出随机的项，因为字典并没有"最后的元素"或者其他有关顺序的概念。若想一个接一个地移除并处理项，这个方法就非常有效（因为不用首先获取键的列表）。
>>> a = {'name':'gaoqi','age':18,'job':'programmer'} >>> a.popitem() ('job', 'programmer') >>> a {'name': 'gaoqi', 'age': 18} >>> a.popitem() ('age', 18) >>> a {'name': 'gaoqi'}序列解包可以用于元组、列表、字典。序列解包可以让我们方便的对多个变量赋值。
>>> x,y,z=(20,30,10) >>> x 20 >>> y 30 >>> z 10 >>> (a,b,c)=(9,8,10) >>> a 9 >>> [a,b,c]=[10,20,30] >>> a 10 >>> b 20序列解包用于字典时，默认是对“键”进行操作； 如果需要对键值对操作，则需要使用items()；如果需要对“值”进行操作，则需要使用values()；
>>> s = {'name':'gaoqi','age':18,'job':'teacher'} >>> name,age,job=s #默认对键进行操作 >>> name 'name' >>> name,age,job=s.items() #对键值对进行操作 >>> name ('name', 'gaoqi') >>> name,age,job=s.values() #对值进行操作 >>> name 'gaoqi'表格数据使用字典和列表存储，并实现访问
r1 = {"name":"高小一","age":18,"salary":30000,"city":"北京"} r2 = {"name":"高小二","age":19,"salary":20000,"city":"上海"} r3 = {"name":"高小五","age":20,"salary":10000,"city":"深圳"} tb = [r1,r2,r3] #获得第二行的人的薪资 print(tb[1].get("salary")) #打印表中所有的的薪资 for i in range(len(tb)): # i -->0,1,2 print(tb[i].get("salary")) #打印表的所有数据 for i in range(len(tb)): print(tb[i].get("name"),tb[i].get("age"),tb[i].get("salary"),tb[i].get("city"))字典核心底层原理：字典对象的核心是散列表。散列表是一个稀疏数组（总是有空白元素的数组），数组的每个单元叫做bucket。每个bucket 有两部分：一个是键对象的引用，一个是值对象的引用。 由于，所有bucket 结构和大小一致，我们可以通过偏移量来读取指定bucket。 将一个键值对放进字典的底层过程
>>> a = {} >>> a["name"]="gaoqi"假设字典a 对象创建完后，数组长度为8： 我们要把”name”=”gaoqi”这个键值对放到字典对象a 中，首先第一步需要计算键”name”的散列值。Python 中可以通过hash()来计算。
>>> bin(hash("name")) '-0b1010111101001110110101100100101'由于数组长度为8，我们可以拿计算出的散列值的最右边3 位数字作为偏移量，即“101”，十进制是数字5。我们查看偏移量5，对应的bucket 是否为空。如果为空，则将键值对放进去。如果不为空，则依次取右边3 位作为偏移量，即“100”，十进制是数字4。再查看偏移量为4 的bucket 是否为空。直到找到为空的bucket 将键值对放进去。流程图如下： 扩容：python 会根据散列表的拥挤程度扩容。“扩容”指的是:创造更大的数组，将原有内容拷贝到新数组中。接近2/3 时，数组就会扩容。
根据键查找“键值对”的底层过程：我们明白了，一个键值对是如何存储到数组中的，根据键对象取到值对象，理解起来就 简单了。
>>> a.get("name") 'gaoqi'当我们调用a.get(“name”)，就是根据键“name”查找到“键值对”，从而找到值对象“gaoqi”。 第一步，我们仍然要计算“name”对象的散列值：
>>> bin(hash("name")) '-0b1010111101001110110101100100101'和存储的底层流程算法一致，也是依次取散列值的不同位置的数字。假设数组长度为8，我们可以拿计算出的散列值的最右边3 位数字作为偏移量，即“101”，十进制是数字5。我们查看偏移量5，对应的bucket 是否为空。如果为空，则返回None。如果不为空，则将这个bucket 的键对象计算对应散列值，和我们的散列值进行比较，如果相等。则将对应“值对象”返回。如果不相等，则再依次取其他几位数字，重新计算偏移量。依次取完后，仍然没有找到。则返回None。流程图如下： 用法总结：
键必须可散列 (1) 数字、字符串、元组，都是可散列的。 (2) 自定义对象需要支持下面三点： 支持hash()函数支持通过__eq__()方法检测相等性。若a==b 为真，则hash(a)==hash(b)也为真。 字典在内存中开销巨大，典型的空间换时间。键查询速度很快往字典里面添加新键可能导致扩容，导致散列表中键的次序变化。因此，不要在遍历字典的同时进行字典的修改，如果要修改其中的数据，先将数据取出来，修改完之后再放入字典中。集合是无序可变，元素不能重复。实际上，集合底层是字典实现，集合的所有元素都是字典中的“键对象”，因此是不能重复的且唯一的。
像数学中概念一样，Python 对集合也提供了并集、交集、差集等运算。我们给出示例：
>>> a = {1,3,'sxt'} >>> b = {'he','it','sxt'} >>> a|b #并集 {1, 3, 'sxt', 'he', 'it'} >>> a&b #交集 {'sxt'} >>> a-b #差集 {1, 3} >>> a.union(b) #并集 {1, 3, 'sxt', 'he', 'it'} >>> a.intersection(b) #交集 {'sxt'} >>> a.difference(b) #差集 {1, 3}