Python中的Tuple操作实例分析(python,tuple,开发技术)

引言

在Python中，通过数据结构来保存项目中重要的数据信息。Python语言内置了多种数据结构，例如列表，元组，字典和集合等。本堂课我们来讲一讲Python中举足轻重的一大数据结构——元组。

在Python中，我们可以将元组看作一种特殊的列表。它与列表唯一的不同在于：元组内的数据元素不能发生改变【这个不变——不但不能改变其中的数据项，而且也不能添加和删除数据项！】。当我们需要创建一组不可改变的数据时，通常是将这些数据放进元组中~

1.元组的 创建 && 访问

（1）元组的创建：

在Python中，创建元组的基本形式是以小括号“()”将数据元素括起来，各个元素之间用逗号“，”隔开。

如下：

tuple1=('xiaoming','xiaohong',18,21)tuple2=(1,2,3,4,5)#而且——是可以创建空元组哦！tuple3=()#小注意——如果你创建的元组只包含一个元素时，也不要忘记在元素后面加上逗号。让其识别为一个元组：tuple4=(22,)

（2）访问：

元组和字符串以及列表类似，索引都是从0开始，并且可以进行截取和组合等操作。

如下：

tuple1=('xiaoming','xiaohong',18,21)tuple2=(1,2,3,4,5)#显示元组中索引为1的元素的值print("tuple1[1]:",tuple1[0])#显示元组中索引从1到3的元素的值print("tuple2[1:3]:",tuple2[1:3])

2.元组的 修改 && 删除

（1）元组的修改：

虽然在开头就说元组不可变，但是它还是有个被支持的骚操作——元组之间进行连接组合：

tuple1=('xiaoming','xiaohong',18,21)tuple2=(1,2,3,4,5)tuple_new=tuple1+tuple2print(tuple_new)

（2）元组的删除：

虽然元组不可变，但是却可以通过del语句删除整个元组。

如下：

tuple1=('xiaoming','xiaohong',18,21)print(tuple1) #正常打印tuple1deltuple1print(tuple1) #因为上面删除了tuple1，所以再打印会报错哦！

3.元组的内置方法

元组是不可变，但是我们可以通过使用内置方法来操作元组。常用的内置方法如下：

• len(tuple)：计算元组元素个数；

• max(tuple)：返回元组中元素的最大值；

• min(tuple)：返回元组中元素的最小值；

• tuple(seq)：将列表转换为元组。

其实更多时候，我们是将元组先转换为列表，操作之后再转换为元组（因为列表具有很多方法~）。

4.将序列分解为单独的变量

（1）

Python允许将一个包含N个元素的元组或序列分别为N个单独的变量。这是因为Python语法允许任何序列/可迭代对象通过简单的赋值操作分解为单独的变量，唯一的要求是变量的总数和结构要与序列相吻合。

如下：

tuple1=(18,22)x,y=tuple1print(x)print(y)tuple2=['xiaoming',33,19.8,(2012,1,11)]name,age,level,date=tuple2print(name)print(date)

如果要分解未知或任意长度的可迭代对象，上述分解操作岂不直接很nice！通常在这类可迭代对象中会有一些已知的组件或模式（例如：元素1之后的所有内容都是电话号码），利用“*”星号表达式分解可迭代对象后，使得开发者能轻松利用这些模式，而无须在可迭代对象中做复杂操作就能得到相关的元素。

在Python中，星号表达式在迭代一个变长的元组序列时十分有用。如下演示分解一个待标记元组序列的过程。

records=[('AAA',1,2),('BBB','hello'),('CCC',5,3)]defdo_foo(x,y):print('AAA',x,y)defdo_bar(s):print('BBB',s)fortag,*argsinrecords:iftag=='AAA':do_foo(*args)eliftag=='BBB':do_bar(*args)line='guan:ijing234://wef:678d:guan'uname,*fields,homedir,sh=line.split(':')print(uname)print(*fields)print(homedir)print(sh)

（2）

在Python中迭代处理列表或元组等序列时，有时需要统计最后几项记录以实现历史记录统计功能。

使用内置的deque实现：

from_collectionsimportdequeq=deque(maxlen=3)q.append(1)q.append(2)q.append(3)print(q)q.append(4)print(q)

如下——演示了将序列中的最后几项作为历史记录的过程。

from_collectionsimportdequedefsearch(lines,pattern,history=5):previous_lines=deque(maxlen=history)forlineinlines:ifpatterninline:yieldline,previous_linesprevious_lines.append(line)#Exampleuseonafileif__name__=='__main__':withopen('123.txt')asf:forline,prevlinesinsearch(f,'python',5):forplineinprevlines: #包含python的行print(pline)#print(pline,end='')#打印最后检查过的N行文本print(line)#print(pline,end='')

123.txt：

pythonpythonpythonpythonpythonpythonpython

python

python

在上述代码中，对一系列文本行实现了简单的文本匹配操作，当发现有合适的匹配时，就输出当前的匹配行以及最后检查过的N行文本。使用deque(maxlen=N)创建了一个固定长度的队列。当有新记录加入而使得队列变成已满状态时，会自动移除最老的那条记录。当编写搜索某项记录的代码时，通常会用到含有yield关键字的生成器函数，它能够将处理搜索过程的代码和使用搜索结果的代码成功解耦开来。

5.实现优先级队列

使用内置模块heapq可以实现一个简单的优先级队列。

如下——演示了实现一个简单的优先级队列的过程。

importheapqclassPriorityQueue:def__init__(self):self._queue=[]self._index=0defpush(self,item,priority):heapq.heappush(self._queue,(-priority,self._index,item))self._index+=1defpop(self):returnheapq.heappop(self._queue)[-1]classItem:def__init__(self,name):self.name=namedef__repr__(self):return'Item({!r})'.format(self.name)q=PriorityQueue()q.push(Item('AAA'),1)q.push(Item('BBB'),4)q.push(Item('CCC'),5)q.push(Item('DDD'),1)print(q.pop())print(q.pop())print(q.pop())

在上述代码中，利用heapq模块实现了一个简单的优先级队列，第一次执行pop()操作时返回的元素具有最高的优先级。

拥有相同优先级的两个元素（foo和grok）返回的顺序，同插入到队列时的顺序相同。

函数heapq.heappush()和heapq.heappop()分别实现了列表_queue中元素的插入和移除操作，并且保证列表中的第一个元素的优先级最低。

函数heappop()总是返回“最小”的元素，并且因为push和pop操作的复杂度都是O(log2N)，其中N代表堆中元素的数量，因此就算N的值很大，这些操作的效率也非常高。

上述代码中的队列以元组 (-priority, index, item)的形式组成，priority取负值是为了让队列能够按元素的优先级从高到底排列。这和正常的堆排列顺序相反，一般情况下，堆是按从小到大的顺序进行排序的。变量index的作用是将具有相同优先级的元素以适当的顺序排列，通过维护一个不断递增的索引，元素将以它们加入队列时的顺序排列。但是当index在对具有相同优先级的元素间进行比较操作，同样扮演一个重要的角色。

在Python中，如果以元组(priority, item)的形式存储元素，只要它们的优先级不同，它们就可以进行比较。但是如果两个元组的优先级相同，在进行比较操作时会失败。这时可以考虑引入一个额外的索引值，以(priority, index, item)的方式建立元组，因为没有哪两个元组会有相同的index值，所以这样就可以完全避免上述问题。一旦比较操作的结果可以确定，Python就不会再去比较剩下的元组元素了。

如下——演示了实现一个简单的优先级队列的过程：

importheapqclassPriorityQueue:def__init__(self):self._queue=[]self._index=0defpush(self,item,priority):heapq.heappush(self._queue,(-priority,self._index,item))self._index+=1defpop(self):returnheapq.heappop(self._queue)[-1]classItem:def__init__(self,name):self.name=namedef__repr__(self):return'Item({!r})'.format(self.name)#①a=Item('AAA')b=Item('BBB')#a<b错误a=(1,Item('AAA'))b=(5,Item('BBB'))print(a<b)c=(1,Item('CCC'))#②a<c错误#③a=(1,0,Item('AAA'))b=(5,1,Item('BBB'))c=(1,2,Item('CCC'))print(a<b)#④print(a<c)

在上述代码中，因为在①~②中没有添加所以，所以当两个元组的优先级相同时会出错；而在③~④中添加了索引，这样就不会出错了！