目录：
本篇开始总结 Python 基本的数据结构，大部分情况下，这些数据结构就已经够用了，不需要重复造轮子。首先是序列及其相关的操作。序列（Sequence）
标准库中提供了很多序列类型，都是C实现的，效率很高。
- 容器序列（Container sequences）：
list, tuple, collections.deque ...
容器序列持有的是所包含对象的引用，可以是任意类型。
- 平坦序列（Flat sequences）：
str, bytes, bytearray, memoryview, array.array
平坦序列物理上存储每个条目对应的内存空间的值，而不是作为不同的对象。
因此，平坦序列更加紧凑，但是他们只能保存原始的数值如字符，字节和数字。
根据可不可变分类：
可变的序列：
list, bytearray, array.array, collections.deque, memoryview
不可变序列：
tuple, str, bytes
如何快速生成一个序列？
- 列表推导（List Comprehensions）
- 生成器表达式（Generator Expressions）
强烈推荐列表推导，用它实现的代码简洁，易读，执行效率高，堪称完美。
首先举一个例子：
取出一个字符串列表中所有小写的字符串，并组成列表
>>> words = ['The', 'quick', 'BROWN', 'Fox', 'jumped', 'OVER', 'the', 'Lazy', 'DOG']
>>> [word for word in words if word.islower()]
['quick', 'jumped', 'the']
列表推导格式以 [] 为标志，内容分为三部分 [A B C]，A,B,C分别代表一个表达式，其中C可以省略。
对于上面的例子：
- A：word
- B：for word in words
- C：if word.islower()
首先看B，B的格式一般为 for x in xxx，表示从一个序列中逐个选取元素，也就是常用的 for in 结构。可以有多个for in，比如 for x in xxx for y in yyy。使用多个for的时候，就会生成所有组合。例如列举出不同颜色尺寸的T恤组合 ：
>>> colors = ['black', 'white']
>>> sizes = ['S', 'M', 'L']
>>> tshirts = [(color, size) for color in colors for size in sizes]
>>> tshirts
[('black', 'S'), ('black', 'M'), ('black', 'L'), ('white', 'S'),
('white', 'M'), ('white', 'L')]
然后看C，C提供一个判断条件，格式一般为 if xxx，其中可以用到B所给出的x，用于选取符合条件的条目。可以省略，也就意味着使用B生成的所有条目。
最后看A，A格式随意，可以使用B中给出的x（或者y），当然也可以不使用。
>>> [word[0] for word in words if word.islower()]
['q', 'j', 't']
>>> [3 for word in words if word.islower()]
[3, 3, 3]
列表推导时一般控制在一行以内，如果只有多行才能实现，那说明逻辑太复杂了，考虑别用列表推导了，展开吧。
生成器表达式和列表推导唯一的不同是用 () 包围而不是 []，如果不需要一次性生成整个列表，那么用生成器表达式更好。如下：
>>> (word for word in words if word.islower())
<generator object <genexpr> at 0x02F00288>
这样只是构造了一个生成器对象，每个元素会在需要用到的时候才进行构造，可以原封不动地用于 for in 结构，需要变成列表的时候也可以随时调用 list() 函数转化为列表。
元组（Tuple）
元组的主要用途：
- 作为不可变的列表
- 作为没有字段名称的记录
元组解包：
>>> lax_coordinates = (33.9425, -118.408056)
>>> latitude, longitude = lax_coordinates # tuple unpacking
>>> latitude
33.9425
>>> longitude
-118.408056
作为函数参数就地展开，在前面加*就可以了：
>>> divmod(20, 8)
(2, 4)
>>> t = (20, 8)
>>> divmod(*t)
(2, 4)
因为元组作为记录比较好用，因此出现了 namedtuple，在 collections 模块中。
使用 namedtuple 创建的实例消耗的内存和普通元组相同，因为字段的名字是存储在类中的。他们使用的内存比普通的类要少，因为它们不用在每个实例的 __dict__ 中存储属性。
使用示例：
>>> from collections import namedtuple
>>> Point = namedtuple('Point', 'x y')
>>> p = Point(3, 4)
>>> p
Point(x=3, y=4)
>>> p.x
3
>>> p[1]
4
namedtuple 有几个有用的属性和方法：
- _fields 类属性，保存所有字段名称
>>> Point._fields
('x', 'y')
- _make(iterable) 类方法，使用已经存在的序列或者 iterable 来创建 namedtuple
>>> point_tuple = (3, 4)
>>> p = Point._make(point_tuple)
>>> p
Point(x=3, y=4)
- _asdict() 实例方法，返回一个 OrderedDict，映射名称和对应的值。
>>> p._asdict()
OrderedDict([('x', 3), ('y', 4)])
总结：
Python 中序列的用法是大同小异的，基本上掌握了一个，其他的都差不多，剩下的就是可不可变，存储的是值还是引用需要注意下。
使用列表推导来构建序列能够让代码变得非常简洁，容易理解，推荐多尝试使用。
元组用来作为数据记录比较好用，namedtuple 使得元组在保持低内存消耗的情况下更加容易调试。
