05
大家好，我是营长，上期营长分享了“详解list和tuple的基本操作、深浅拷贝和切片操作等操作详细等5个方面总结”，这期营长接着为大家分享Python相关内容。
本期分享内容：List和 tuple的13个经典案列-01
这期分享营长邀请的是zglg （某大厂算法工程师）和Alicia （美国顶尖学府 AI 博士后）两位为我们分享Python全栈精通之路。
作者有话说
很多人问为什么要写这个专栏？因为我也有过那段“自学” Python 的迷茫时期，所以深知一个好的系统学习规划和老师讲解，是能够达到事半功倍省下我们程序员更多青春的关键。
别的老师在介绍知识点时都会说“这东西是什么”，但我不想这样做。
我觉得“为什么这东西是这样”或者“在什么场景适应什么需求有什么好处才会用这东西”，反而更能让你们对知识本身会有更深刻的理解。
05
List和tuple的13个基本案列 -1
上一天学习列表和元组的核心知识点，今天趁热打铁，通过 13 个案例，提高对它们的实际运用能力。
大家不妨动手敲起来，真正体会如何使用 Python 中最常用的两个类型：list 和 tuple。
下面个别案例的实现方法，可能未必是最高效的，主要为了有针对性地练习如何使用 list 和 tuple。
1. 判断 list 内有无重复元素
is_duplicated，使用 list 封装的 count 方法，依次判断每个元素 x 在 list 内的出现次数。
如果大于 1，则立即返回 True，表示有重复。
如果完成遍历后，函数没返回，表明 list 内没有重复元素，返回 False。
In [1]: def is_duplicated(lst):
...: for x in lst:
...: if lst.count(x) > 1: # 判断 x 元素在 lst 中的出现次数
...: return True
...: return False
调用 is_duplicated 方法：
In [2]: a = [1, -2, 3, 4, 1, 2]
...: print(is_duplicated(a))
True
以上方法实现不简洁，借助 set 判断更方便：
def is_duplicated(lst):
return len(lst) != len(set(lst))
2. 列表反转
一行代码实现列表反转，非常简洁。
· [::-1]，这是切片的操作。
· [::-1] 生成逆向索引（负号表示逆向），步长为 1 的切片。
所以，最后一个元素一直数到第一个元素。这样，不正好实现列表反转吗？
In [4]: def reverse(lst):
...: return lst[::-1]
调用 reverse：
In [5]: r = reverse([1, -2, 3, 4, 1, 2])
...: print(r)
[2, 1, 4, 3, -2, 1]
3. 找出列表中的所有重复元素
遍历列表，如果出现次数大于 1，且不在返回列表 ret 中，则添加到 ret 中。
满足 x not in ret，则表明 x 不在列表中。
In [6]: def find_duplicate(lst):
...: ret = []
...: for x in lst:
...: if lst.count(x) > 1 and x not in ret: # 找到一个新的重复元素
...: ret.append(x)
...: return ret
调用 find_duplicate：
In [8]: r = find_duplicate([1, 2, 3, 4, 3, 2]
...: print(r)
[2, 3]
4. 斐波那契数列
斐波那契数列第一、二个元素都为 1，第三个元素等于前两个元素和，依次类推。
普通实现版本
In [9]: def fibonacci(n):
...: if n <= 1:
...: return [1]
...: fib = [1, 1]
...: while len(fib) < n:
...: fib.append(fib[len(fib) - 1] + fib[len(fib) - 2])
...: return fib
调用 fibonacci：
In [10]: r = fibonacci(5)
...: print(r)
[1, 1, 2, 3, 5]
这不是高效的实现，使用生成器更节省内存。
生成器版本
使用 Python 的生成器，保证代码简洁的同时，还能节省内存：
In [11]: def fibonacci(n):
...: a, b = 1, 1
...: for _ in range(n):
...: yield a
...: a, b = b, a + b
遇到 yield 返回，下次再进入函数体时，从 yield 的下一句开始执行。
In [12]: list(fibonacci(5))
Out[12]: [1, 1, 2, 3, 5]
关于 yield 的详细使用规则，会在后面讲。
5. 出镜最多
max 函数是 Python 的内置函数，所以使用它无需 import。
max 有一个 key 参数，指定如何进行值得比较。
下面案例，求出现频次最多的元素：
In [13]: def mode(lst):
if not lst:
return None
...: return max(lst, key=lambda v: lst.count(v)) # v 在 lst 的出现次数作为大小比较的依据
调用 mode：
In [14]: lst = [1, 3, 3, 2, 1, 1, 2]
...: r = mode(lst)
...: print(f'{lst} 中出现次数最多的元素为:{r}')
[1, 3, 3, 2, 1, 1, 2]中出现次数最多的元素为:1
出镜最多的元素有多个时，按照以上方法，默认只返回一个。
下面，支持返回多个：
In [34]: def mode(lst):
...: if not lst:
...: return None
...: max_freq_elem = max(lst, key=lambda v: lst.count(v))
...: max_freq = lst.count(max_freq_elem) # 出现最多次数
...: ret = []
...: for i in lst:
...: if i not in ret and lst.count(i)==max_freq:
...: ret.append(i)
...: return ret
In [35]: mode([1,1,2,2,3,2,1])
Out[35]: [1, 2]
6. 更长列表
带有一个 * 的参数为可变的位置参数，意味着能传入任意多个位置参数。
key 函数定义怎么比较大小：lambda 的参数 v 是 lists 中的一个元素。
In [15]: def max_len(*lists):
...: return max(*lists, key=lambda v: len(v)) # v 代表一个 list，其长度作为大小比较的依据
调用 max_len，传入三个列表，正是 v 可能的三个取值。
In [17]: r = max_len([1, 2, 3], [4, 5, 6, 7], [8])
...: print(f' 更长的列表是 {r}')
更长的列表是 [4, 5, 6, 7]
关于 lambda 函数，在此做图形演示。
max_len 函数被传入三个实参，类型为 list，如下图所示，lists 变量指向最下面的 tuple 实例。
程序运行到下一帧，会出现 lambda 函数，它的父函数为 f1，也就是 max_len 函数。
有些读者可能不理解两点，这种用法中：
· 参数 v 取值到底是多少？
· lambda 函数有返回值吗？如果有，返回值是多少？
通过下面图形，非常容易看出，v 指向 tuple 实例的第一个元素，指向的线和箭头能非常直观地反映出来。
下面示意图中，看到返回值为 3，也就是 len(v) 的返回值，其中 v = [1,2,3]。
然后，v 指向 tuple 中的下一个元素，返回值为 4。
然后，v 指向 tuple 的最后一个元素 [8]，返回值为 1。
根据 key 确定的比较标准，max 函数的返回值为红色字体指向的元素，也就是返回 [4,5,6,7]。