Python 常用数据结构学习目的
这个专题，尽量使用最精简的文字，借助典型案例盘点Python常用的数据结构。
如果你还处于Python入门阶段，通常只需掌握list、tuple、set、dict这类数据结构，做到灵活使用即可。
然而，随着学习的深入，平时遇到实际场景变复杂，很有必要去了解Python内置的更加强大的数据结构deque、heapq、Counter、OrderedDict、defaultDict、ChainMap，掌握它们，往往能让你少写一些代码且能更加高效的实现功能。
我的施工之路
学习目标
学习数据结构第一阶段：掌握它们的基本用法，使用它们解决一些基本问题;
学习第二阶段：知道何种场景选用哪种最恰当的数据结构，去解决题问题;
学习第三阶段：了解内置数据结构的背后源码实现，与《算法和数据结构》这门学问里的知识联系起来，打通任督二脉。
下面根据定义的这三个阶段，总结以下10种最常用的数据结构：
1. list
基本用法 废话不多说，在前面单独有一个专题详述了list的使用列表专题
使用场景 list 使用在需要查询、修改的场景，极不擅长需要频繁插入、删除元素的场景。
实现原理 list对应数据结构的线性表，列表长度在初始状态时无需指定，当插入元素超过初始长度后再启动动态扩容，删除时尤其位于列表开始处元素，时间复杂度为O(n)
2. tuple
元组是一类不允许添加删除元素的特殊列表，也就是一旦创建后续决不允许增加、删除、修改。
基本用法 元组大量使用在打包和解包处，如函数有多个返回值时打包为一个元组，赋值到等号左侧变量时解包。
In [22]: t=1,2,3 In [23]: type(t) Out[23]: tuple
实际创建一个元组实例
使用场景 如果非常确定你的对象后面不会被修改，则可以大胆使用元组。为什么?因为相比于list, tuple实例更加节省内存，这点尤其重要。
In [24]: from sys import getsizeof In [25]: getsizeof(list()) Out[25]: 72 # 一个list实例占用72个字节 In [26]: getsizeof(tuple()) Out[26]: 56 # 一个tuple实例占用56个字节
所以创建100个实例，tuple能节省1K多字节。
3. set
基本用法 set是一种里面不能含有重复元素的数据结构，这种特性天然的使用于列表的去重。
In [27]: a=[3,2,5,2,5,3] In [28]: set(a) Out[28]: {2, 3, 5}除此之外，还有知道set结构可用于两个set实例的求交集、并集、差集等操作。
In [29]: a = {2,3,5} In [30]: b = {3,4,6,2} In [31]: a.intersection(b) # 求交集 Out[31]: {2, 3}使用场景 如果只是想缓存某些元素值，且要求元素值不能重复时，适合选用此结构。并且set内允许增删元素，且效率很高。
实现原理 set在内部将值哈希为索引，然后按照索引去获取数据，因此删除、增加、查询元素效果都很高。
4. dict
基本用法 dict 是Python中使用最频繁的数据结构之一，字典创建由通过dict函数、{}写法、字典生成式等，增删查元素效率都很高。
d = {'a':1,'b':2} # {}创建字典 # 列表生成式 In [38]: d = {a:b for a,b in zip(['a','b'],[1,2])} In [39]: d Out[39]: {'a': 1, 'b': 2}使用场景 字典尤其适合在查询多的场景，时间复杂度为O(1). 如leetcode第一题求解两数之和时，就会使用到dict的O(1)查询时间复杂度。
同时，Python类中属性值等信息也都是缓存在__dict__这个字典型数据结构中。
但是值得注意，dict占用字节数是list、tuple的3、4倍，因此对内存要求苛刻的场景要慎重考虑。
In [40]: getsizeof(dict()) Out[40]: 248
实现原理 字典是一种哈希表，同时保存了键值对。
以上4种数据结构相信大家都已经比较熟悉，因此我言简意赅的介绍一遍。接下来再详细的介绍下面6种数据结构及各自使用场景，会列举更多的例子。
5. deque
6. Counter
7. OrderedDict
8. heapq
9. defaultdict
10. ChainMap
