
منتشر شده در towardsdatascience به تاریخ ۱۹ جولای ۲۰۲۱
لینک منبع 4 Must-Know Python Data Structures
ساختارهای داده بخش مهمی از هر زبان برنامهنویسی هستند. نحوه ذخیره و مدیریت دادهها یکی از عوامل کلیدی برای ایجاد برنامههای کارآمد است.
پایتون دارای ۴ ساختار داده داخلی است:
همه آنها ویژگیهای متفاوتی از نظر ذخیرهسازی و دسترسی به دادهها دارند. این تفاوتها مهم هستند زیرا آنچه برای یک کار خاص بهتر است به آنها بستگی دارد. نحوه تعامل یا دستکاری این ساختارهای داده نیز متفاوت است.
فهرست مجموعهای از اشیا است که در براکتهای مربعی نشانداده شدهاست.
mylist = [1, 2, "a", True]
mylist.append(5)
mylist
[1, 2, 'a', True, 5]mylist += ["b"]
mylist
[1, 2, 'a', True, 5, 'b']mylist.insert(0, "first")
mylist
['first', 1, 2, 'a', True, 5, 'b']mylist.remove(2)
mylist
['first', 1, 'a', True, 5, 'b']
روش درج آیتم جدید را در شاخص مشخصشده اضافه میکند.
mylist[0]
'first'mylist[-1]
'b'mylist[:3]
['first', 1, 'a']
first = [1, 2, 3]
second = [4, 5, 6]
first += second
print(first)
[1, 2, 3, 4, 5, 6]
first.extend(second)
print(first)
[1, 2, 3, 4, 5, 6, 4, 5, 6]
اگر شما روش ضمیمه را برای این عملیات در نظر بگیرید، لیست جدید به عنوان یک آیتم جدید اضافه خواهد شد.
first = [1, 2, 3]
second = [4, 5, 6]
first.append(second)
print(first)
[1, 2, 3, [4, 5, 6]]
ست مجموعهای از اشیا است که در آکولادهای فردار نشان داده میشود.
myset = {1, 2, 3, 3, 4}print(myset)
{1, 2, 3, 4}
یک شی اگر یک مقدار هش داشته باشد که هرگز در طول عمر خود تغییر نکند (به یک روش __hash__() نیاز دارد) hashable است و میتواند با دیگر اشیا مقایسه شود (به یک روش __eq__() نیاز دارد). اشیا Hashable که برابر با یکدیگر مقایسه میشوند باید دارای مقدار هش یکسانی باشند.
برای مثال، ما نمیتوانیم از یک لیست در یک مجموعه استفاده کنیم زیرا لیستها تغییر ناپذیر هستند.
myset = {1, 2, 3, 4, 5}
myset.add(6)
print(myset)
{1, 2, 3, 4, 5, 6}myset.remove(2)
{1, 3, 4, 5, 6}
myset = {1, 2, 3}
newset = {3, 4, 5}
myset.update(newset)print(myset)
{1, 2, 3, 4, 5}
تاپل مجموعهای از اشیا است که در پرانتز ارائه شدهاست.
mytuple = (1, 2, 2, 3)print(mytuple)
(1, 2, 2, 3)
a = (1, 2, 3)
b = (1, "a", "b")a + b
(1, 2, 3, 1, 'a', 'b')
mytuple = (1, 2, "a", 4, [1,8])mytuple[0]
1mytuple[2:4]
('a', 4)
mytuple = 2, 6, 5print(mytuple)
(2, 6, 5)
فرهنگ لغت مجموعهای مرتب نشده از جفتهای key-value است.
mydict = {
"A": 1,
"B": [1, 2, 3],
"C": ("foo","bar")
}print(mydict)
{'A': 1, 'B': [1, 2, 3], 'C': ('foo', 'bar')}
mydict["D"] = [10, 20, 30]print(mydict)
{'A': 1, 'B': [1, 2, 3], 'C': ('foo', 'bar'), 'D': [10, 20, 30]}
mydict.pop("A")
1print(mydict)
{'B': [1, 2, 3], 'C': ('foo', 'bar'), 'D': [10, 20, 30]}del mydict["B"]print(mydict)
{'C': ('foo', 'bar'), 'D': [10, 20, 30]}
mydict.keys()
dict_keys(['C', 'D'])mydict.values()
dict_values([('foo', 'bar'), [10, 20, 30]])
mydict = {
"A": [1, 2, 3, 4],
"B": [10, 20, 30, 40],
"C": (True, False, False, True)
}import pandas as pddf = pd.DataFrame(mydict)
df
ما یک مقدمه کوتاه در مورد ساختارهای دادهای ساختهشده از پایتون انجام دادهایم. آنها نقش مهمی در کارایی برنامهها ایفا میکنند. پایتون همچنین از ساختارهای دادهای تعریفشده توسط کاربر مانند آرایهها، پشتهها، صفها و غیره پشتیبانی میکند.
متشکرم که مطالعه کردید.
این متن با استفاده از ربات ترجمه مقالات علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه میتواند دارای برخی اشکالات ترجمه باشد.
مقالات لینکشده در این متن میتوانند به صورت رایگان با استفاده از مقالهخوان ترجمیار به فارسی مطالعه شوند.