上一讲用列表存放和处理一批数据，重点是引用、修改和拷贝。今天继续处理一批数据，但任务变了：固定一条记录、按姓名查成绩、解析文本、比较两个名单。

不同任务适合不同容器。每介绍一种容器，都先看列表在哪里不方便，最后再把五种容器放在一起比较。

第 5 讲的引用模型今天继续使用。元组、字典、集合里的元素也都是对象。判断一次操作的影响，要看它是在修改共享对象，还是让一个名字改指别的对象。

今天有一个需要特别核对的边界：外层容器不能修改，是否意味着里面所有对象都不能修改？

圆括号和逗号组成元组，今天会讲。这里提前说明一条规则：元组的元素引用不能替换。

A 沿着第 0 项找到列表，调用 append；B 给第 0 项赋一个新列表。两种操作一样吗？先预测，不公布答案。这是一道引入问题，后面会给出图和实际结果。

这一轮只有开场题。暂不公布答案，后面用元组的两层引用图解释。

答错没有关系，先区分两种可能的理解：元组自己不能改，还是它指向的每一个对象都不能改。

坐标通常有固定的两项，名单却需要不断添加。按姓名查成绩需要的是对应关系，比较两个班的课程需要的是成员关系。文本又需要先拆分成字段。

这四种要求对应今天的主线，不能只用“能不能做”判断容器，还要看写起来是否清楚、查找是否合适。

今天分六段：元组、字典基础、字符串处理、字典应用、集合、容器选型与共同规则。API 表和补充写法放在最后的参考页，课堂先讲清主要机制。

列表可以增删。一个坐标却通常只有 x 和 y 两项，不应该有人再 append 第三项。元组用来固定这一组位置。它的访问方式和列表很像，但元素引用不能替换。

元组按顺序存放元素，可以取下标、切片、求长度、判断成员，也能用 for 遍历。tuple() 是构造函数，能把可迭代对象转成元组。

元组固定的是这些位置上的引用，下一页尝试替换一个位置。

给元组元素赋值会报 TypeError。这是执行到这一行时发生的运行时错误，不是语法错误。

元组没有 append、remove、sort 这类原地修改方法。若要得到不同的内容，需要构造另一个元组。

括号本来就用于分组，所以 (1) 仍是整数。要构成只有一项的元组，需要逗号。多个值用逗号隔开时，括号通常可以省略；空元组写 () 或 tuple()。

这是返回单个元素的元组时最容易漏掉的标点。

逗号把多个值打包成元组；左边写几个名字，可以把元素逐个解包。嵌套结构也可以对应解包。

最后一行赋值里的星号收集剩余元素，得到列表 [2, 3, 4]。它和函数参数的 *args 都能收集多个值，但 *args 收到元组，赋值解包的星号收到列表。

左边两个名字、右边三个值，对应不上，报 ValueError。数量不确定时才用带星号的解包；数量已知时明确写出来，更容易发现数据不符合要求。

第 3 讲的“返回多个值”，实际上返回一个元组。调用者可以把它当作一个整体，也可以解包。

这里约定输入非空；空列表的处理不是这一页的主题。两个返回值的先后位置固定，适合用元组表示。

回到开场的 A：它能执行，打印 ([1, 2, 4], 3)。元组第 0 项仍然指向原来的列表，这个引用没有替换；列表自己的内容变了。

开场的 B 试图替换元组第 0 项的引用，所以报错。不要把“元组不可变”理解成“内部所有东西都不可变”。

左边名字 t 指向元组，元组的第 0 格指向列表，第 1 格指向整数。元组限制的是它的格子，不允许替换格子里的引用。

append 修改右下角的列表，元组的箭头仍指向它。图中的 30 是在构建时实际执行 append 得到的。现在可以公布开场题的答案，A 成功，B 报 TypeError。

count 数出现次数，index 找第一次出现的位置，找不到会报 ValueError。拼接和重复得到新的元组。

元组比较大小时，先比第一项；相同再比第二项，直到分出大小。字符串的字典序比较是同一种思路，后面排序时会用到。

一条记录可以用元组表示。但一个班有很多记录，知道“第 37 条是谁”并不方便。要查询的是某个姓名或学号对应的成绩，这需要按键访问的字典。

这张纸质字典照片来自往年课件第 10 页。纸质字典按词条寻找解释，Python 字典把键对应到值。

这里只借用“键与值的对应关系”，不要把纸质字典的字母顺序等同于程序的内部实现。程序的查找机制是哈希表，下面只介绍它的作用，不讲内部细节。

左边是把记录放进列表，再逐个比较姓名。目标越靠后，需要检查的记录越多。右边写 scores["Chen"]，直接表达“查这个姓名的成绩”。

字典使用哈希表，通常能很快查到；哈希碰撞仍然可能发生。这里画的是访问方式示意，不是实际 CPython 的槽位或地址。

花括号里，每一项写成键、冒号、值。按键取值用方括号。一个键只对应一个值，多个键可以对应相同的值。

对字典使用 in，判断的是键，不是值。所以 87 in scores 是 False，尽管 87 是其中一个成绩。

字典可以直接写，可以用关键字参数，也可以从键值对组成的序列构造。

空花括号是空字典，不是空集合。空集合写 set()，到集合一节还会用到。

字典的值也可以是字典。第一层键是学生姓名，得到这个学生的成绩字典；第二层键是科目，得到该科成绩。

两个方括号就是两次已经讲过的按键查找。Lab 6 的解析成绩单用这个结构，不需要先学新的访问语法。

不存在的键会报 KeyError。报错给出的 Chen 是程序尝试查询的键。

有时缺失意味着数据错误，应该暴露出来；有时缺失很正常，比如计数器第一次见到一个词。下一页讲后者怎么处理。

get 找得到就返回值，找不到就返回默认值；没写默认值时返回 None。它不会修改字典。

默认值要按问题决定。查询成绩时用 0 可能把“缺记录”误认为“考了零分”；统计次数时，第一次没出现过按 0 计才合适。

setdefault 在键不存在时把默认值写进去，再返回这个值；键存在时返回原来的值，不覆盖。

最后两行说明，Ada 已有 87，传入默认值 100 并不会把它改成 100。这是它和普通赋值的区别。

同一个赋值语句，键不存在时新增，存在时更新。del 按键删除；pop 按键删除并返回值。

字典和列表不一样：列表不能通过给越界下标赋值来增加元素，字典则可以通过新键赋值增加一项。

现代 Python 字典保持插入顺序，不是排序后的顺序。更新已有键 Bo 的值不改变位置，新增 Chen 排在最后。

popitem 返回并删除最后插入的一对键值。旧课件说“字典无序”，今天不能沿用。

keys 取键，values 取值，items 取键值对。items 每一项是一个二元素元组，循环里直接解包成 name 和 mark。

这些方法返回视图，不直接返回列表。这里套 list 是为了展示；实际遍历不需要先变成列表。

视图和原字典关联。创建 view 后再增加键，view 反映这个变化；snapshot 是当时生成的列表，不会跟着增加。

这和前面引用、复制的区别有关，但不是说视图能任意赋值，它提供的是观察字典内容的接口。

遍历字典时不应增删键：可能报 RuntimeError，也可能遗漏原有项或遍历新增项。本例删除后改变了大小，因此报错。错误发生在运行时，语法本身合法。

只更新已有键的值，不改变键集合；这里的删除会改变大小，所以不能和遍历同一个字典混在一起。

先遍历 scores，收集要删除的键；再遍历独立的 remove 列表，修改 scores。两次循环操作的对象不同。

也可以用字典推导生成新的字典：花括号里写键和值。下一页给出这种形式。

和列表推导一样，for 提供元素，if 决定是否保留，前面的表达式生成结果。字典推导要生成一对键和值。

这是一个新字典，原来的 scores 不受影响；是否替换原名字，可以再根据需求决定。

字典键需要可哈希：哈希值在对象生存期间稳定，相等的键必须有相等的哈希值。这里不背具体哈希数值，只观察同一个键产生相同的值。

数、字符串、元素都可哈希的元组可以作键。列表不行；元组里有列表也不行。下一页演示这个边界。

元组本身不可变，仍可能不可哈希：它含有一个列表。不要用“元组不能修改”推出“所有元组都能作键”。

本课程使用内置类型时，按实际类型和组成元素检查。自定义类型的哈希规则到后面再讨论。

b 和 a 是同一个字典，c 是浅拷贝；内层可变对象仍可能共享。合并运算 | 和 ** 解包都生成新字典，同名键取后面的值。

update 原地更新，返回 None，和第 5 讲原地修改列表的方法一致。clear 清空原字典，不是把名字改指到新字典。

字典已经能保存记录。但原始数据往往是一行文本，要先拆成姓名、科目、分数，再放进容器。第 3 讲讲过字符串的基本操作，这里补处理文本的方法。所有方法都不修改原字符串，但返回类型各不相同。

split 把字符串按分隔符拆成列表。这里逗号划分字段，得到三个字符串；成绩要继续用 int 转换。

分隔符也可能出现在字段内部，所以复杂文件要用专门解析器。这一页只处理已经约定好的简单格式。

不带参数的 split 按连续空白切分，并忽略两端空白。空格、Tab、换行都属于空白。

split(" ") 只按单个空格切开，会保留空字段，也不会把 Tab 当分隔。两种写法不是一个规则，不能随意替换。

join 写在分隔字符串后面，参数是一组字符串。它在相邻项之间插入分隔符，最后不额外加一个分隔符。

数要先用 str 转换，不能直接 join 一个整数列表。split 和 join 常一起出现，但不保证互相完全还原，例如默认 split 会丢掉多余空白。

从左上角的字符串出发，split 生成右边的字符串列表；再用新的分隔符 join，得到左下角的新字符串。每个框上的类型都写出来了。

原来的字符串没有变化。图里字段和结果由 Python 实际计算，和上一页使用的是同一类操作。

strip 去掉两端字符，默认去空白；lstrip 只去左端，rstrip 只去右端。中间三个空格不会消失。

参数是要去掉的字符集合，不是一个完整前缀或后缀。词频题要去掉词两端的标点，就可以用这个参数。

upper、lower、title 返回字符串，startswith、endswith 返回布尔值。方法都不改变原串，所以最后 s 仍然是 Hello World。

title 的大小写规则不等于所有人名或标题的正确写法，需要按数据的要求选择方法。

isdigit 要求至少有一个字符，而且每个字符都是数字；小数点和负号都不符合。isalpha 判断字母，isalnum 判断字母或数字。

这些方法使用 Unicode 分类，并非只认 ASCII。判断字符串能否转换为数字，还需要考虑转换函数接受的语法，不能简单用 isdigit 代替。

find 返回首次出现的下标，找不到返回 -1；count 返回不重叠的出现次数；replace 返回替换后的字符串。

这页里返回了整数和字符串两种类型。调用方法后需要接什么结果，必须看它的接口，不能因为操作对象是字符串就认为返回值也是字符串。

把刚才的方法结果放在一起，分别是 list、int、bool、str。共同点是不会原地修改字符串，返回类型却不同。

第 5 讲的列表方法经常返回 None，因为它们负责原地修改。今天不能把那条规则照搬到所有对象的方法上。

第 3 讲讲了小数位和对齐。这里加千分位、百分比和填充字符。宽度是最小宽度，不会截断较长的数。

True 是 bool，非空的数字格式说明可能把它格式化成 1；!s 先转成字符串，再对齐，所以输出 True。完整类型表留在参考页。

前面分别讲了字典和文本处理，现在把它们组合起来。统计文章里的每个词、按首字母分组、按月份查天数，都需要一个键对应一个值。

往年用完整演讲做词频统计，这个应用很好，课堂先用短句看清每一次更新。键是词，值是次数。

第一次遇到一个词，get 默认返回 0，加一后写入 1；下次取出旧次数再加一。没有必要为每一个可能的词预先建变量。

items 提供词和次数的元组。count_of 接受一个元组、返回次数，sorted 按这个结果排序。reverse=True 是从大到小。

key=count_of 传的是函数对象，没有括号；不是此处先调用它。第 3 讲函数也是对象的结论，在这里派上用场。

Lab 6 要求次数从多到少，相同时按字母序。排序键返回一个元组，先比负次数，再比单词。次数越大，负数越小，所以默认从小到大恰好把高次数放在前面。

这两项顺序不能颠倒。本页只用已经讲过的元组比较和具名函数，不提前使用 lambda。

按首字母分组时，每个值是列表。setdefault 在第一次出现某个首字母时插入空列表，返回这个列表，然后 append 单词。

Counter 是标准库的计数工具，most_common 返回出现最多的若干项。先会手写计数过程，再用库函数，才知道它解决了什么问题。但次数相同时，most_common 按首次出现的顺序排列；Lab 6 要求按单词字典序处理并列，需要使用前一页的双重排序。

往年把查表和一长串 if-elif 对比，这个例子值得保留。当分支只是在输入和固定输出之间建立对应，用字典就很清楚。

这里只写前四个月，二月按非闰年处理。实际月份表要写完整；输入范围也要按接口约定检查，不能把这个短例子当成通用日期函数。

如果只关心一个词是否出现过，而不关心次数，就不需要为每个词保存一个值。集合只记录成员关系。它适合去重、检查出现过没有，以及比较两组成员。

集合不保存重复元素，也不保证顺序。为了让课件输出稳定，这里用 sorted 展示，而不是把集合恰好打印的顺序当规律。

set 可以从列表、元组、字符串、字典等可迭代对象构造；给字典时取到的是键。

集合没有按位置访问的接口，s[0] 报 TypeError。集合里恰好有整数 0 时，也不能把下标 0 当成查询这个值。

判断成员用 in，若确实要按顺序处理，先根据明确规则排序或使用列表。

add 加一个成员，update 加一批。remove 删除不存在的成员会报 KeyError，discard 在不存在时也不会报错。clear 清空集合。

这些修改方法返回 None，不要把返回值赋回原名字。和列表一样，集合本身可变，但每个成员必须可哈希。

数、字符串、各项都可哈希的元组可以放进集合，列表不行。这和字典的键要求一致。

set 自己不可哈希，因此也不能直接作字典键。若需要不可变集合，Python 提供 frozenset，列在参考页。

这张图借鉴往年第 43 页的差集和对称差图，并补齐并集、交集，用相同布局对照。A 是 {1, 2, 3}，B 是 {2, 3, 4}，橙色区域是结果。

并集取两边所有成员；交集只取重叠处；A-B 只取 A 独有成员；对称差取只在一边的成员。数字和结果由实际集合运算算出。

把集合运算用在两个班的课程名单上。交集是共同课程，差集是只有 A 班上的课程，并集是至少一个班上的课程，对称差是仅一个班上的课程。

符号和第 4 讲的位运算相同，但操作对象不同，含义是集合关系。

集合的 <= 是子集关系，不是比较最小元素。< 是真子集，还要求不相等。所以 a <= a 为真，a < a 为假。

isdisjoint 判断有没有共同成员，没有就是 True。名单权限、课程先修集合等问题里，这些关系很有用。

Lab 6 的保序去重，把两个任务分开：列表保存首次出现的顺序，集合快速判断是否见过。不能把 set 转回列表就认为顺序还在。

dict.fromkeys 也能保留首次插入顺序。方法表中的这个工具和手写循环得到同样结果，但实验题明确要求用集合加速成员判断。

现在五种容器都见过了。最后把它们放在一起，并检查几条共同规则：真假值、遍历、参数传递，以及修改和重新绑定。

先判断任务：文本用 str；按键对应一个值用 dict；只关心成员用 set；按位置访问序列再选择 list 或 tuple。

这是一张初步判断图，不是永远只用一个容器。保序去重就是列表和集合配合。元组固定槽位，但内部仍可能有可变对象，选完后还要检查组成。

空列表、空元组、空字符串、空字典、空集合都为 False；非空容器为 True。[0] 非空，虽然元素是零，仍为 True；字符串 "0" 也为 True。

if items 可以判断是否为空，不要把“非空”误认为“每个元素都为真”。

往年把这两种写法并排，是很好的进阶对照。左边加号新造一个列表，a 改指过去，b 留在原对象；右边列表的 += 原地扩展，b 看得到。

数和字符串不可变，因此复合赋值会重新绑定；不能把一种类型的行为推到所有类型。

函数参数和调用者手里的名字指向同一个对象。第一个函数修改列表，调用者看得到；第二个函数返回新列表，不改原来的。

可变参数可能被修改，不是传进去就一定会修改。接口要写清楚是否修改输入；元组内层是列表时，也不能因为外层不可变就保证内部不变。

给循环变量 x 重新赋值，不会替换列表的元素；修改 x 指向的可变对象则可能影响原容器。for 并不提前复制整个容器。

字典循环中更新已有值不会改变键集合，这里合法；增加或删除键则不能这样做。要改变结构，先复制、先收集，或新建容器。

zip 每次配对各序列的下一项，默认最短的序列结束时就停止。这里 Chen 没有对应的成绩，所以不会出现。

zip 本身不是列表，需要 list 才会展开；dict 可以直接接受键值对。输入应一一对应时，要先检查长度，不能把截断当成自动补齐。

讨论三分钟。问题没有唯一写法，重要的是说明需求和操作。

参考思路：每条记录可以是元组；列表保存所有提交的先后；字典按学号定位最新记录或一组记录。若一个学生能提交多次，要先决定保存全部还是只保存最后一次，不能让同名键覆盖悄悄替你决定。

这一轮的五题都使用已经讲过的语法，不再重复开场题。

第二题核对 split 是否产生空字段；第三题区分差集和对称差；第四题沿引用判断 += 的影响；第五题检查 zip 是否因较短输入而截断。

讲评时让学生先说规则，再用输出验证，而不是记选项顺序。

回到开场：元组自己不能替换元素，并不意味着它指向的列表不能修改。再回到今天的主线：不同任务选择不同容器。

不能只背“元组不可变、字典查找快、集合去重”。还要能解释边界：元组能不能作键要看元素，字典的有序是插入顺序，集合不保证顺序，字符串方法返回类型各不相同。

Lab 6 的七题组合今天的工具。6-1 要解释原字典值重复时会发生什么；6-2 明确要求用集合检查是否出现过；6-5 处理字段两端的空白。

6-6 是完整词频统计：统一大小写、去两端标点、跳过空词、计数、按次数和字典序排序。6-7 不写代码，在独立答题卡里写选择理由。每个函数继续写类型提示。

B 段比较列表和集合的查找代价，先计数再计时；C 段承接上周的 Git，练习私有远程仓库与同步。6-7、B、C 各有答题卡，不要把回答混进源码或误写到别题的提交说明里。

实验另有 B 段和 C 段：B 比较列表与集合的查找代价，先数比较次数，再计时；C 接着上一周的 Git，练习私有远程仓库的推送和同步，网络不通时可用本地仓库替代。6-7、B、C 都在各自的答题卡里提交，不要混进代码。

下一讲把复杂问题分成更小的同类问题，用递归来组织计算。今天的嵌套容器为递归提供了很自然的例子：列表里面还有列表，要处理每一层，就会遇到同一种问题。

参考页从下一页开始，课堂可以按时间选讲，知识点保留供课后查阅。

下面是参考页。字典方法表、制表位、格式类型、动态执行等知识点保留，避免为了控制课堂页数删掉覆盖；课堂主线到上一页已经结束。

元组元素不能替换，但名字可以重新绑定。t = t + (3,) 生成新的元组，再让 t 指向它；old 仍指向原来的元组。

del t 删除名字绑定，并不是逐层删除这个对象和它引用的全部对象。这里 old 仍可正常访问原来的元组。

这张加权图借鉴往年第 24 页。A、B、C 是三个节点，箭头表示可以从哪一个节点到哪一个节点，旁边的数是这条边的权重。

不用先学图算法，也能把它表示为嵌套字典：外层键是出发点，内层键是终点，值是权重。下一页写出这个结构。

外层用 A 取到从 A 出发的各条边，再用 C 取到去 C 的权重 1。B 到 C 的权重是 4。空字典表示这个例子里没有从 C 出发的边。

这是往年“字典表示图”的内容，保留为参考例子，只理解数据表示，不在这里展开图的遍历算法。

括号、方括号、花括号内部允许自然换行，长记录和表达式优先这样排版。

反斜线也能显式续行，但它必须紧贴换行，后面不能有空格或注释。通常用括号续行更不容易出错。

往年的 Tab 例子有教学价值：Tab 不是固定数量的空格，它走到下一个制表位。expandtabs(4) 把每四列作为一个制表位，所以 a 后补三格，abc 后只补一格。

这是 Python 字符串转换的明确规则，终端如何显示 Tab 还取决于环境设置。排成绩表仍优先用 f-string 的宽度和对齐。

string 模块提供 ASCII 字母、数字、标点、空白等常量，不需要自己逐个输入。ascii_letters 只包含 ASCII 字母，不等于所有 Unicode 字母。

往年把已经移除的 formatter 模块和 string 模块混在一起，不能由此说 string 模块不推荐。它仍是正常的标准库模块。

格式类型 d、b、o、x 分别表示十进制、二进制、八进制、十六进制；c 按 Unicode 编号生成字符；e 是科学计数法，g 按有效数字选择表示。

正负号、补零、千分位可以组合。这里是常用写法，不宣称穷尽官方格式语法；完整语法需要查 Python 文档。

f-string、str.format、百分号格式都是会遇到的写法。前三行得到相同文本，课程新代码以 f-string 为主。format 内置函数接受一个值和格式说明。

不需要为同一任务混用几套接口，但阅读旧代码时要能识别。

pop 可以给缺失键一个默认值；popitem 从尾部取出键值对；fromkeys 用一组键创建字典；clear 清空并返回 None。

fromkeys 的默认值如果是列表，各个键会共享同一个列表，和第 5 讲共享可变对象的规则一致。使用前要明确是否希望共享。

frozenset 是不能增删成员的集合，可以作为字典键；它仍不保证顺序。两个集合的成员相同，就相等，不需要插入次序一致。

不要把普通可变 set 当作可哈希对象；这也是“可变容器”和“元素的要求”之间的区别。

eval 求表达式的值，不能在里面写普通赋值语句；exec 执行语句，返回 None。这页只用课程中写死的可信字符串。

两者都能执行任意代码，不得把用户输入或来源不明的文本交给它们。解析普通数字用 int、float，解析专门数据格式用相应工具。了解区别不等于在作业里使用。