前言
在PHP中，用的最多的数据结构就是数组了。在python中，有几种数据结构是比较常用的，分别是list，tuple，dict和set。
正文
list-列表
列表（list），也是一种结构化的、非标量类型，它是值的有序序列，每个值都可以通过索引进行标识，定义列表可以将列表的元素放在[]中，多个元素用,进行分隔，可以使用for循环对列表元素进行遍历，也可以使用[]或[:]运算符取出列表中的一个或多个元素。
基本用法：
list1 = [1, 3, 5, 7, 100]
print(list1) # [1, 3, 5, 7, 100]
# 乘号表示列表元素的重复
list2 = ['hello'] * 3
print(list2) # ['hello', 'hello', 'hello']
# 计算列表长度(元素个数)
print(len(list1)) # 5
# 索引来访问list中每一个位置的元素，记得索引是从0开始
print(list1[0]) # 1
print(list1[4]) # 100
#当索引超出了范围时，Python会报一个IndexError错误，所以，要确保索引不要越界，记得最后一个元素的索引是len(classmates) - 1
#要取最后一个元素，除了计算索引位置外，还可以用-1做索引，直接获取最后一个元素
print(list1[-1]) # 100
print(list1[-3]) # 5
#列表使用append方法追加元素到末位：
# 添加元素
list1.append(200)
list1.insert(1, 400)
# 合并两个列表
list1.extend([1000, 2000])
# 先通过成员运算判断元素是否在列表中，如果存在就删除该元素
if 3 in list1:
list1.remove(3)
if 1234 in list1:
list1.remove(1234)
列表切片
L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素，记住：倒数第一个元素的索引是-1
fruits = ['grape', 'apple', 'strawberry', 'waxberry']
fruits += ['pitaya', 'pear', 'mango']
# 列表切片 从索引1开始，取出3个元素
fruits2 = fruits[1:4]
print(fruits2) # apple strawberry waxberry
L = list(range(100))
#前10个数：
L[:10]
#后10个数：
L[-10:]
#前10个数，每两个取一个：
L[:10:2]
#所有数，每5个取一个：
L[::5]
#实现倒序
L[::-1]
列表生成式
列表生成式：非常简单却强大的可以用来创建list的生成式
>>> a = [x for x in range(1,23)]
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22]
>>> a = [x*x for x in range(1,5)]
>>> a
[1, 4, 9, 16]
tuple-元组
classmates = ('Michael', 'Bob', 'Tracy')
#空元组
t = ()
#一个元素的元组
t = (1,)
元组没有append()，insert()这样的方法。其他获取元素的方法和list是一样的，但不能赋值成另外的元素。
提问：已经有了列表这种数据结构，为什么还需要元组这样的类型呢？
- 元组中的元素是无法修改的，事实上我们在项目中尤其是多线程环境（后面会讲到）中可能更喜欢使用的是那些不变对象（一方面因为对象状态不能修改，所以可以避免由此引起的不必要的程序错误，简单的说就是一个不变的对象要比可变的对象更加容易维护；另一方面因为没有任何一个线程能够修改不变对象的内部状态，一个不变对象自动就是线程安全的，这样就可以省掉处理同步化的开销。一个不变对象可以方便的被共享访问）。所以结论就是：如果不需要对元素进行添加、删除、修改的时候，可以考虑使用元组，当然如果一个方法要返回多个值，使用元组也是不错的选择。
- 元组在创建时间和占用的空间上面都优于列表。我们可以使用sys模块的getsizeof函数来检查存储同样的元素的元组和列表各自占用了多少内存空间，这个很容易做到。我们也可以在ipython中使用魔法指令%timeit来分析创建同样内容的元组和列表所花费的时间，下图是我的macOS系统上测试的结果。
生成器
只要把一个列表生成式的[]改成()，就是一个生成器， 相比生成式生成器不占用存储数据的空间
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
set -集合
集合不允许有重复元素，而且可以进行交集、并集、差集等运算
它是一组key的集合，但不存储value，由于key不能重复，所以，在set中，没有重复的key。
set1 = {1, 2, 3, 3, 3, 2}
print(set1)
set1.add(4)
set1.add(5)
set2.update([11, 12])
set2.discard(5)
if 4 in set2:
set2.remove(4)
# 集合的交集、并集、差集、对称差运算
print(set1 & set2)
# print(set1.intersection(set2))
print(set1 | set2)
# print(set1.union(set2))
print(set1 - set2)
# print(set1.difference(set2))
print(set1 ^ set2)
# print(set1.symmetric_difference(set2))
# 判断子集和超集
print(set2 <= set1)
# print(set2.issubset(set1))
print(set3 <= set1)
# print(set3.issubset(set1))
print(set1 >= set2)
# print(set1.issuperset(set2))
print(set1 >= set3)
# print(set1.issuperset(set3))
## 对集合进行运算的时候可以调用集合对象的方法，也可以直接使用对应的运算符，例如&运算符跟intersection方法的作用就是一样的，但是使用运算符让代码更加直观
dict-字典
字典是另一种可变容器模型，可以存储任意类型对象，与列表、集合不同的是，字典的每个元素都是由一个键和一个值组成的“键值对”，键和值通过冒号分开。
字典类似于PHP中的数组，通过key可以定位到value，查找速度非常快，用途非常广泛
>>> d = {'Michael': 95, 'Bob': 75, 'Tracy': 85}
>>> d['Michael']
95
#dict提供的get()方法，如果key不存在，可以返回None，或者自己指定的value
>>> d.get('Thomas', -1)
-1
# dict的items()可以同时迭代key和value 遍历
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> for k, v in d.items():
... print(k, '=', v)
...
y = B
x = A
z = C
dict内部存放的顺序和key放入的顺序是没有关系的。
和list比较，dict有以下几个特点：
- 查找和插入的速度极快，不会随着key的增加而变慢；
- 需要占用大量的内存，内存浪费多。
而list相反：
- 查找和插入的时间随着元素的增加而增加；
- 占用空间小，浪费内存很少。 所以，dict是用空间来换取时间的一种方法。
总结
关于这几种数据类型还有很多探讨的地方：
比如字典内部是怎么实现的，key冲突了要怎么解决，二维字典排序遍历等，
比如set一般是用在哪些情景上，有什么好处，
比如tuple如何在多线程上活用？
还有很多东西需要慢慢深究，这里留下的问题，后面学习到再总结下。
