1.2 常用数据结构操作：盛器选型与数组算术
1.2 常用数据结构操作：盛器选型与数组算术
本节摘要：验完食材，得选对盛器。本节对照列表、字典、集合、元组四种容器的脾气，给出"要装什么、怎么取用"的选型口诀，示范增删查改的日常操作，并把数组的基本算术（加减乘除、幂、整除、取模）讲出"逐元素"的直觉。承接 1.1 的验收，通往第 2 章择菜间。
别以为盛器随便挑
别以为盛器的选择无关紧要——同一批订单号，装在列表里查一次要翻遍全表，装在字典或集合里一眼就能定位；该不许改动的配置清单用了列表，深夜就会有人往里 append 一个坏值。本节承接 1.1 的验收动作：食材认全之后，第二件事是给它们安排合适的容器。这一节的选型口诀会一直用到第 6 章（函数式工具靠字典映射派活）和第 7 章（NumPy 数组的批量算术），是备料间的收尾科目。
适用场景：四种盛器各管什么
**列表（list）**有序、可变、允许重复，是"按顺序排队"的默认选择：时间序列的采样点、要逐个处理的文件名清单。**字典（dict）**按键取值，一步到位：用户 ID 到用户名的映射、配置项到默认值的对照表。**集合（set）**自动去重、判存在极快：黑名单、要剔除的重复单号。**元组（tuple）**有序但不可变：坐标点、函数返回的多个值、不该被改的常量序列。选型口诀一句话——要顺序用列表，要映射用字典，要唯一用集合，要不可变用元组。
order_ids = ["A102", "A103", "A102", "A105"] # 列表：保留原始顺序与重复 id_set = set(order_ids) # 集合：自动去重 name_map = {"A102": "张三", "A103": "李四"} # 字典：编号到姓名的映射 point = (3, 7) # 元组：坐标，不该被改 print(len(id_set), id_set) # 3 {'A102', 'A103', 'A105'} print(name_map[order_ids[0]]) # 张三 print("A105" in id_set) # True，存在性判断一步到位 # point[0] = 9 # TypeError，元组不许改，这正是它的价值
操作速查：增删查改与推导式
四种盛器的日常操作值得练到肌肉记忆。列表的 append、extend、insert、pop；字典的取值带默认值 get、合并 update；集合的并集交集差集。而把"建一个容器"写漂亮的，是推导式——数据处理里最常用的表达，第 6 章的 map 本质上就是它的函数版。
raw = [" Alice ", "bob", " CARL", "bob"] names = [x.strip().title() for x in raw] # 列表推导式：清洗一行写完 length_map = {x: len(x) for x in names} # 字典推导式：值到长度的映射 long_names = {x for x in names if len(x) > 3} # 集合推导式：挑出长名字 print(names) # ['Alice', 'Bob', 'Carl', 'Bob'] print(length_map) # {'Alice': 5, 'Bob': 3, 'Carl': 4} print(long_names) # {'Alice', 'Carl'}
数组算术：逐元素的直觉
NumPy 数组是本册后半段的常客，它最大的脾气是逐元素运算：两个形状相同的数组相加，是位置对位置地加；数组和标量运算，是每个元素都和这个标量算一遍。这与列表的行为截然不同——列表加列表是拼接，列表乘数字是重复。把这条直觉立住，第 7 章的向量化才不玄。
import numpy as np qty = np.array([10, 25, 40, 5]) price = np.array([2.5, 8.0, 3.2, 12.0]) amount = qty * price # 逐元素相乘：单价数量点乘得金额 print(amount) # [ 25. 200. 128. 60.] print(amount ** 2) # 每个元素平方 print(amount // 10, amount % 7) # 整除、取模，同样逐元素 print((amount - amount.min()) / (amount.max() - amount.min())) # 手工归一化 # [0. 0.896552 0.5 1. ] <- 这正是 2.5 节 min-max 归一化的雏形
顺带立一条规矩：数组运算快，不是因为写了更短的代码，而是因为循环交给了底层的批量执行。同一件事，Python 循环写一遍是家常小灶，数组算一遍是中央厨房的流水线——这条道理第 8 章（效率优化）会拿出实测数据。
坑点与翻车
**翻车一：引用别名，改一个动一双。**把列表赋值给另一个变量，复制的是"地址"不是内容。备菜时把同一盆料当成两盆，动了一盆另一盆跟着少——这类事故在函数传参时尤其常见。
a = [1, 2, 3] b = a # 只是别名，不是新盆 b.append(4) print(a) # [1, 2, 3, 4] <- a 也变了 c = a.copy() # 浅拷贝：新盆（嵌套结构需 copy.deepcopy） c.clear() print(a, c) # [1, 2, 3, 4] []
**翻车二：可变默认参数。**def f(x, box=[]) 里的空列表在函数定义时就造好了，之后每次调用共用同一只盆。正确写法是默认 None、函数体内再建新列表。
**翻车三：集合无序。**set 打印顺序不可预测，靠它在"去掉重复后保住先后"必翻车——保序去重要用 dict.fromkeys(items) 这类手法，第 2 章去重一节会正面处理。
替代方案
标准库的 collections 模块是内置盛器的加料版：Counter 一行完成计数（词频、类目分布），defaultdict(list) 免去"键不存在先建空列表"的样板，deque 在头部插删比列表快。pandas 的 Index 对象则介于数组与集合之间——既支持下标又支持交集并集，是后面章节合并对位的底座。
from collections import Counter, defaultdict orders = ["咖啡", "奶茶", "咖啡", "果汁", "咖啡"] print(Counter(orders)) # Counter({'咖啡': 3, '奶茶': 1, '果汁': 1}) groups = defaultdict(list) for drink, user in [("咖啡", "u1"), ("奶茶", "u2"), ("咖啡", "u3")]: groups[drink].append(user) print(dict(groups)) # {'咖啡': ['u1', 'u3'], '奶茶': ['u2']}
收档清单
- 选型口诀：顺序用列表，映射用字典，唯一用集合，不可变用元组；
- 推导式：列表、字典、集合三种推导式覆盖大半清洗表达；
- 逐元素：数组与标量、数组与数组都按位置逐个算，这是向量化直觉的地基；
- 别名陷阱：赋值传地址，copy 才是新盆；可变默认参数是同源事故；
- 加料盛器：Counter、defaultdict、deque 各救一类场。
备料间到此收档。下一章进择菜间，从出场率最高的缺失值开始——dropna 与 fillna 这对双子星，是清洗工序的第一道主菜。