京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:小伍哥
来源:AI入门学习
列表是python里面非常重要的数据类型,其中的方法总共有11个,数量掌握这些方法,对数据的处理效率会大大提高,现在分享给大家。
print(dir(list())) #查看列表的方法 [ ..., 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
01、append()方法
描述:append() 方法在列表ls最后(末尾)添加一个元素object
语法:ls.append(object) object为要添加的元素。
参数:object可以添加 列表,字典,元组,集合,字符串等。
#append()函数的操作对象是原列表。
ls = [1,2,3,4,5,6]
ls.append(12)
#添加元素
print(ls)
[1, 2, 3, 4, 5, 6, 12]
ls.append([1,"a"])
#添加列表
print(ls)
[1, 2, 3, 4, 5, 6, 12, [1, 'a']]
ls.append({2:"a",3:"hj"})
#添加字典
print(ls)
[1, 2, 3, 4, 5, 6, 12, [1, 'a'], {2: 'a', 3: 'hj'}]
ls.append((1,"k",3))
#添加元组
print(ls)
[1, 2, 3, 4, 5, 6, 12, [1, 'a'], {2: 'a', 3: 'hj'}, (1, 'k', 3)]
ls.append({"1","2","h"})
#添加集合
print(ls)
[1, 2, 3, 4, 5, 6, 12, [1, 'a'], {2: 'a', 3: 'hj'}, (1, 'k', 3), {'2', 'h', '1'}]
ls.append("123abc")
#添加字符串
print(ls)
[1, 2, 3, 4, 5, 6, 12, [1, 'a'], {2: 'a', 3: 'hj'}, (1, 'k', 3), {'2', 'h', '1'}, '123ab
02、clear()方法
描述:删除列表ls中的所有元素。
语法: ls.clear()
ls = [1,2,3,"4",5,"a"] ls.clear() print(ls) []
03、copy()方法
描述:生成一个新列表,复制ls中的所有元素。
语法: ls.copy() -> list 返回一个列表
ls = [1,2,3,[4,5,6]] lt = ls.copy() #lt复制ls中的所有元素 ls.clear() #删除ls所有元素,lt中的元素没有被删除。 lk = ls #这不是复制,而是给列表ls新关联一个引用,即增加一个别名,ls和lt指向同一个内存地址。 print(id(ls),id(lk)) print(lt) print(ls)
04、count()方法
描述:统计列表ls中value元素出现的次数
语法:ls.count(value) -> integer 返回一个整数
参数:value--要统计的value元素。
ls = [1,2,3,5,4,5,5,5,5,"python"] ls.count(5) #统计列表ls中 5 出现的次数 5 ls.count(0) #列表ls中无0元素 0 ls.count("python") #统计列表ls中 "python" 出现的次数。
05、extend()方法
描述:在列表ls末尾添加一个列表iterable。
语法:ls.extend(iterable) -> None 无返回值
参数:iterable -- 要添加的列表。可以是整个列表iterable,也可以是列表iterable的一部分。
注意:extend() 和 append() 的不同之处在于:extend() 不会把列表或者元祖视为一个整体,而是把它们包含的元素逐个添加到列表中
ls = [1,2,"a",[4,5,"a"]] lt = [1,"abc","b",[1,2]] ls.extend(lt) #返回值为空,将列表lt的元素添加到列表ls末尾。 print(ls.extend(lt)) Noneprint(ls) [1, 2, 'a', [4, 5, 'a'], 1, 'abc', 'b', [1, 2], 1, 'abc', 'b', [1, 2]] print(lt) #列表lt元素不变 [1, 'abc', 'b', [1, 2]]
06、index()方法
描述:列表ls中第一次出现元素value的位置。
语法: ls.index(value, start, stop) -> integer 返回一个整数
参数:
ls = [1,2,3,"a",3,5,"a",5,[1,7,"b"]]
ls.index("a")
#返回列表ls中"a"第一次出现的位置。
2
ls.index("a",4)
#索引的起始位置为下标为4的元素,索引范围为 3, 5, 'a', 5, [1, 7, 'b'
6
ls.index("a",4,8)
#索引的起始位置为下标为4的元素,结束位置为下标为7的元素。索引范围 3, 5, 'a', 5
6
07、insert()方法
描述:在列表第index位置,添加元素object。
语法:ls.insert(index, object)
index —— 元素object插入列表ls的位置。
objece —— 将要添加的元素。可以是列表,元组,字典,集合,字符串等。
ls = [1,2,"a",["a",5,8]]
ls.insert(3,"b")
#在列表ls下标为3的位置插入元素 "b"
print(ls)
[1, 2, 'a', 'b', 'b', ['a', 5, 8]]
ls.insert(3,1)
#在列表ls下标为3的位置插入元素 1
print(ls)
[1, 2, 'a', 1, 'b', 'b', ['a', 5, 8]]
ls.insert(1,['a', 5, 8])
#在列表ls的内嵌套列表["a",5,8]
print(ls)
[1, ['a', 5, 8], 2, 'a', 1, 'b', 'b', ['a', 5, 8]]
ls = [1,2,3]
ls.insert(0,[1,2,3])
#插入列表
ls.insert(0,(1,2,3))
#插入元组
ls.insert(0,{1:"a",2:"b"})
#插入字典
ls.insert(0,{1,2,3})
#插入集合
print(ls)
[{1, 2, 3}, {1: 'a', 2: 'b'}, (1, 2, 3), [1, 2, 3], 1, 2
08、pop()方法
描述:将列表ls中第index项元素取出,并从列表ls中删除该元素。若果省略index,则默认删除列表最后(末尾)一个元素,并返回该元素。
语法: ls.pop(index) -> item 返回删除的项
参数: index -- 要取出并删除的元素下标的序数。
ls = [1,2,"a","y",[1,2,3],"b"] ls.pop(0) #取出下标为0的元素,并从列表ls中删除。 1 print(ls) [2, 'a', 'y', [1, 2, 3], 'b'] ls.pop() #默认取出列表ls最后一个元素,并删除。 'b' print(ls) [2, 'a', 'y', [1, 2, 3]
09、remove()方法
描述:将列表ls中出现的第一个元素value删除。
语法:ls.remove(value) -> None 返回值为空
参数:value -- 要删除的元素。
ls1 = [1,2,"a",3,1,1,55,"a,1"]
ls2 = [1,2,"a",3,1,1,55,"a,1"]
ls1.remove(1)
#删除ls1中第一次出现的元素
1
ls2.remove("a")
##删除ls2中第一次出现的元素 "a"
print(ls1.remove(1))
#返回值为空
print(ls1)
print(ls2)
10、reverse()方法
描述:将列表ls中的元素反转。
语法:ls.reverse()
ls1 = [1,2,3,4,5,6,7,8,9] ls1.reverse() #将列表ls1反转输出 print(ls1) [9, 8, 7, 6, 5, 4, 3, 2, 1] ls2 = [2,5,8,9,4,1,2,6,2,1,3] ls2.sort(reverse=True) #ls2.sort()默认将列表ls2按从小到大的序数排列。 reverse=True 使排序后的列表反转,reverse=False 则不反转print(ls2)[9, 8, 6, 5, 4, 3, 2, 2, 2, 1, 1]
11、sort() 方法
描述:将原列表ls中的元素进行排序,意味着改变原来的列表,而不是返回一个列表
语法:ls.sort([key=None][,reverse=False])--无返回值,但是会对列表中的元素进行排序。
参数:
ls = [1,3,7,2,4,5,6]
ls.sort()
print(ls)
[1, 2, 3, 4, 5, 6, 7]#原来的列表发生了改变
当用户需要一个排列好的列表,同时又要保留原来的列表时,怎么做
错误方法1:
ls = [1,3,7,2,4,5,6]
y = ls.sort()
print(y)
Noneprint(ls)
#错误方法2:
ls = [1,3,7,2,4,5,6]
y = lsy.sort()
print(ls)
[1, 2, 3, 4, 5, 6, 7]
print(y)
[1, 2, 3, 4, 5, 6, 7]
正确方法:
ls = [1,3,7,2,4,5,6]
y = ls[:]y.sort()
print(ls)
[1, 3, 7, 2, 4, 5, 6]
#旧的列表未改变
print(y)
[1, 2, 3, 4, 5, 6, 7]
#新的列表改变
另外一种获取副本的方法,是用sorted() 函数
ls = [1,3,7,2,4,5,6]
y = sorted(ls)
print(y)
[1, 2, 3, 4, 5, 6, 7]
print(ls)
[1, 3, 7, 2, 4, 5, 6]
#未发生改变
降序的方法,现用sort 或者 sorted() 然后用reverse()进行反转
ls = [1,3,7,2,4,5,6]
y = sorted(ls)
y.reverse()
print(y)
[7, 6, 5, 4, 3, 2, 1]
当然,sort方法还有两个参数,key和reverse
ls = ['a22112x','aaaba','xxvvv','5aa','wodesddddssd']
ls.sort(key=len)
print(ls)
['5aa', 'aaaba', 'xxvvv', 'a22112x', 'wodesddddssd']
##按a的个数进行排序
定义一个计算'a'的个数的函数
ls = ['1a22112x','2aaaba','3xxvvv','4b5aa','5wodesddddssd']
def a_fun(x):
return str(x).count('a')
ls.sort(key=a_fun)
print(ls)
['3xxvvv', '5wodesddddssd', '1a22112x', '4b5aa', '2aaaba']
ls = [1,3,7,2,4,5,6]
ls.sort(reverse=True)
[7, 6, 5, 4, 3, 2, 1]
——热门课程推荐:
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07