Python案例如何操作列表？

wen python案例 2026-06-12 12

Python列表操作实战：从基础到进阶的15个核心案例详解

目录导读

Python案例如何操作列表？

列表基础操作：创建、访问与修改
列表遍历与筛选：for循环与列表推导式
列表排序：sort()与sorted()的差异
列表增删元素：append、extend与remove的陷阱
列表切片与复制：浅拷贝与深拷贝案例
列表统计与分析：max、min、sum与count
列表扁平化与嵌套处理
列表与字符串互转：split与join
列表去重与交集运算
列表分组与Chunk分片
列表索引与enumerate实战
列表过滤：filter与条件筛选
列表映射：map函数与lambda结合
列表排序进阶：多条件排序与自定义key
性能优化：列表与生成器的选择
Q&A常见问题解答

列表基础操作：创建、访问与修改

案例：创建包含学生成绩的列表并修改第三位学生的成绩。

scores = [85, 92, 78, 96, 88]
scores[2] = 81  # 修改索引2的值
print(scores[0])  # 输出：85

要点：Python列表索引从0开始，支持负索引（如-1表示最后一个元素），修改时若索引超出范围会抛出IndexError。

列表遍历与筛选：for循环与列表推导式

案例：筛选出所有偶数并计算平方。

nums = [1, 2, 3, 4, 5, 6]
even_squares = [n**2 for n in nums if n % 2 == 0]
print(even_squares)  # 输出：[4, 16, 36]

对比传统写法：

result = []
for n in nums:
    if n % 2 == 0:
        result.append(n**2)

问答：列表推导式与for循环哪个更快？
答：列表推导式在Python内部以C语言速度运行，通常比显式for循环快2-3倍，但可读性仍需权衡。

列表排序：sort()与sorted()的差异

案例：对混合大小写字符串列表排序。

fruits = ['banana', 'Apple', 'cherry', 'Date']
# sort() 直接修改原列表
fruits.sort(key=str.lower)
print(fruits)  # 输出：['Apple', 'banana', 'cherry', 'Date']
# sorted() 返回新列表，不修改原列表
sorted_fruits = sorted(fruits, reverse=True)

避坑指南：sort()返回None，不要写成new_list = my_list.sort()，否则new_list会是None。

列表增删元素：append、extend与remove的陷阱

案例：向列表追加多个数字。

a = [1, 2]
a.append([3, 4])   # 结果：[1, 2, [3, 4]]
a.extend([5, 6])   # 结果：[1, 2, [3, 4], 5, 6]
# remove() 只删除第一个匹配项
a.remove(2)  # 删除数字2

常见错误：

误用append添加多个元素，导致生成嵌套列表。
remove删除不存在元素会抛出ValueError，需先判断。

列表切片与复制：浅拷贝与深拷贝案例

案例：复制一个包含可变对象的列表。

original = [[1, 2], [3, 4]]
shallow = original[:]   # 或 list(original)
shallow[0][0] = 99
print(original)  # 输出：[[99, 2], [3, 4]] （浅拷贝共享子列表）
# 深拷贝解决方案
import copy
deep = copy.deepcopy(original)
deep[0][0] = 100
print(original)  # 不受影响

问答：什么时候必须用深拷贝？
答：当列表中包含可变对象（如列表、字典）且需要完全独立的副本时，必须使用copy.deepcopy()。

列表统计与分析：max、min、sum与count

案例：统计学生成绩分布。

grades = [85, 92, 78, 85, 96, 78, 78]
print(f"最高分：{max(grades)}，最低分：{min(grades)}")
print(f"总分：{sum(grades)}，平均分：{sum(grades)/len(grades):.1f}")
print(f"78分出现次数：{grades.count(78)}")  # 输出：3

注意：max()对字符串列表按ASCII码比较，sum()仅对数字有效。

列表扁平化与嵌套处理

案例：将二维列表扁平化为一维。

nested = [[1, 2], [3, 4, 5], [6]]
# 方法1：列表推导式（推荐）
flat = [item for sublist in nested for item in sublist]
print(flat)  # 输出：[1, 2, 3, 4, 5, 6]
# 方法2：itertools.chain
from itertools import chain
flat2 = list(chain.from_iterable(nested))

列表与字符串互转：split与join

案例：处理CSV格式数据。

# 字符串→列表
csv_str = "apple,banana,cherry"
items = csv_str.split(",")  # ['apple', 'banana', 'cherry']
# 列表→字符串
joined = " | ".join(items)  # 'apple | banana | cherry'

常见误区：split()默认按空白分割，指定分隔符时需注意连续分隔符会生成空字符串。

列表去重与交集运算

案例：找出两个列表的公共元素。

list1 = [1, 2, 3, 4, 5, 3]
list2 = [3, 4, 5, 6, 7]
# 去重（保留顺序）
unique = list(dict.fromkeys(list1))  # [1,2,3,4,5]
# 交集
intersection = list(set(list1) & set(list2))  # [3,4,5]

性能提示：对于大型列表，先转换为set再进行交集运算，时间复杂度从O(n²)降为O(n)。

列表分组与Chunk分片

案例：将列表按固定长度分组。

data = [1, 2, 3, 4, 5, 6, 7, 8]
chunk_size = 3
chunks = [data[i:i+chunk_size] for i in range(0, len(data), chunk_size)]
print(chunks)  # 输出：[[1, 2, 3], [4, 5, 6], [7, 8]]

列表索引与enumerate实战

案例：找出列表中所有大于80的分数及其索引。

scores = [75, 88, 92, 67, 85]
high_scores = [(i, s) for i, s in enumerate(scores) if s > 80]
print(high_scores)  # 输出：[(1, 88), (2, 92), (4, 85)]

列表过滤：filter与条件筛选

案例：过滤出所有非空字符串。

words = ["hello", "", "world", "  ", "python"]
filtered = list(filter(None, words))  # 自动过滤空字符串
filtered2 = [w for w in words if w.strip()]  # 也过滤空白

列表映射：map函数与lambda结合

案例：将摄氏温度转换为华氏温度。

celsius = [0, 10, 20, 30, 100]
fahrenheit = list(map(lambda c: c * 9/5 + 32, celsius))
print(fahrenheit)  # 输出：[32.0, 50.0, 68.0, 86.0, 212.0]

列表排序进阶：多条件排序与自定义key

案例：按元组第一个元素升序，第二个元素降序。

data = [(1, 'b'), (2, 'a'), (1, 'a'), (3, 'c')]
# 先按第一个元素升序，再按第二个元素降序
data.sort(key=lambda x: (x[0], -ord(x[1])))
print(data)  # 输出：[(1, 'b'), (1, 'a'), (2, 'a'), (3, 'c')]

性能优化：列表与生成器的选择

案例：生成1000万个数时的内存比较。

import sys
# 列表占用内存
big_list = [i for i in range(10_000_000)]
print(sys.getsizeof(big_list))  # 约80MB
# 生成器占用内存
big_gen = (i for i in range(10_000_000))
print(sys.getsizeof(big_gen))   # 约112字节

问答：什么时候该用生成器代替列表？
答：当只需遍历一次且数据量很大时，生成器可节省90%以上内存，但需要随机访问或多次遍历时，仍应使用列表。

Q&A常见问题解答

Q1：a.append(b)和a += b有何区别？
A：append(b)将b作为整体追加，等效于extend，会展开b的元素。

a = [1]; a.append([2])  # [1, [2]]
b = [1]; b += [2]       # [1, 2]

Q2：如何删除列表中的所有匹配项？
A：使用列表推导式生成新列表或while循环删除。

lst = [1, 2, 3, 2, 4]
lst[:] = [x for x in lst if x != 2]  # [1, 3, 4]

Q3：为什么list.sort()返回None？
A：这是Python的设计哲学——直接修改原对象的操作通常返回None，避免与返回新对象的函数混淆。

Q4：列表嵌套过深如何扁平化？
A：递归解法：

def flatten(lst):
    for item in lst:
        if isinstance(item, list):
            yield from flatten(item)
        else:
            yield item

通过以上15个案例,您已掌握90%的日常列表操作场景，建议在IDE中亲手运行每个案例，并尝试修改参数观察效果，熟练运用这些技巧后，您会发现80%的Python数据处理任务都可高效完成。