AI 程序会同时处理样本列表、模型配置、类别编码、训练指标和去重后的标签。它们都可以用“容器”保存，但容器的行为不同：列表适合按顺序保存样本，字典适合通过名字查找值，集合适合判断成员和去重，元组适合表示不希望被修改的一组值。
完成本节后，你应能：
list、tuple、dict、set。enumerate 和 .items() 读取数据。选择容器前先问：需要保留顺序吗？允许重复吗？后续会修改吗？需要通过一个名字快速查找吗？顺序、重复、可变性和查找方式通常比“我记得哪个 API”更能帮助你做出正确选择。
| 类型 | 是否有序 | 是否可变 | 是否允许重复 | 常见 AI 用途 |
|---|---|---|---|---|
list | 是 | 是 | 是 | 样本、标签、loss 历史、batch |
tuple | 是 | 否 | 是 | 图像尺寸、坐标、不可变记录 |
dict | 按插入顺序保存键 | 是 | 键不能重复 | 配置、指标、类别编码、样本字段 |
set | 不承诺索引顺序 | 是 | 否 | 去重标签、成员判断、集合运算 |
点击放大查看图：Python 四种核心数据结构示意图
Data Structure Lab
有序、可修改、允许重复
列表保留顺序和重复项，可以通过索引修改。
点击放大查看图：Python 容器选择决策图
这张图可以当作一个快速决策表：先问自己是否需要保留顺序、是否允许重复、是否会修改内容，以及是否需要按名称查找。四个问题的答案比死记类型名称更可靠。
samples = ["cat", "dog", "cat"] # list：保留重复项
image_size = (224, 224, 3) # tuple：尺寸通常不应被改写
metrics = {"accuracy": 0.91, "loss": 0.24} # dict：通过键查找
unique_labels = {"cat", "dog"} # set：每个元素只保留一次
print(samples, image_size, metrics, unique_labels)
不要把“看起来像一组值”作为唯一依据。比如模型配置更适合字典，因为 config["learning_rate"] 比 config[3] 更能表达含义。
list：有序且可修改的序列列表支持整数索引，索引从 0 开始；负索引从末尾开始。切片使用半开区间，items[start:stop] 包含 start，不包含 stop。
scores = [0.82, 0.67, 0.93, 0.51]
print(scores[0]) # 0.82
print(scores[-1]) # 0.51
print(scores[1:3]) # [0.67, 0.93]
print(scores[:2]) # 前两个
print(scores[::2]) # 步长为 2
点击放大查看图：Python 列表索引与切片图
把切片想成一把从 start 放下、在 stop 前收起的尺子。scores[1:3] 取到索引 1 和 2；索引 3 只是“停止标记”，不会被取走。
history = [0.9, 0.6]
history.append(0.4) # 末尾加入一个元素
history.extend([0.3, 0.2]) # 加入多个元素
history[0] = 0.8 # 按索引修改
last = history.pop() # 删除并返回最后一个元素
history.remove(0.6) # 删除第一个匹配值
print(history, last)
remove(value) 找不到值时会抛出 ValueError；不确定元素是否存在时先用 if value in values。不要在遍历列表时直接删除当前元素，这可能跳过下一个元素；先构造新列表通常更安全。
raw_labels = ["cat", "", None, "dog"]
clean_labels = [label for label in raw_labels if label]
print(clean_labels) # ['cat', 'dog']
append 追加到末尾通常很快；insert(0, value) 和 pop(0) 需要移动其他元素，在大列表上成本更高。当前阶段只需形成一个原则：频繁从两端进出时，后续可以学习 collections.deque。
tuple：不希望被修改的记录元组使用圆括号，也可以省略圆括号但保留逗号。它支持索引和切片，但不能进行元素赋值、追加或删除。
image_size = (224, 224, 3)
height, width, channels = image_size # 解包
print(width, height, channels)
# image_size[0] = 256 # TypeError：tuple 不可变
单元素元组必须写逗号：(42,)。没有逗号的 (42) 只是整数表达式。元组不可变不代表内部对象一定不可变：如果元组里放了列表，列表仍然可以被修改，因此嵌套数据仍要谨慎。
record = ("cat", [0.8, 0.7])
record[1].append(0.6)
print(record)
元组适合表达“结构固定”的返回值和配置，例如 (height, width)；如果字段需要按名字访问，可以考虑字典或后续学习的 dataclass。
dict：通过键查找值字典把键映射到值。键必须是可哈希对象，常见键是字符串、整数和元组；列表、字典和集合不能作为键。Python 3.7+ 保证字典按插入顺序保留键，但字典的核心用途仍是按键查找，不应依赖位置。
config = {
"learning_rate": 0.001,
"batch_size": 32,
"device": "cpu",
}
print(config["learning_rate"])
print(config.get("seed", 42)) # 不存在时返回默认值
config["batch_size"] = 64 # 修改已有键
config["epochs"] = 10 # 添加新键
config["missing"] 找不到键会抛出 KeyError；config.get("missing") 返回 None，可以传入默认值。配置读取时，明确区分“缺少配置”和“配置值恰好为 None”。
for key in config:
print("键:", key)
for value in config.values():
print("值:", value)
for key, value in config.items():
print(f"{key} = {value}")
labels = ["cat", "dog", "cat", "bird", "dog", "cat"]
counts = {}
for label in labels:
counts[label] = counts.get(label, 0) + 1
print(counts) # {'cat': 3, 'dog': 2, 'bird': 1}
sample = {
"id": 7,
"features": [5.1, 3.5, 1.4, 0.2],
"meta": {"split": "train", "source": "iris"},
}
print(sample["features"][0])
print(sample["meta"]["split"])
嵌套字典很灵活，但层级过深会降低可读性。读取外部 JSON 后，应在边界处检查关键键是否存在，再交给后续函数处理。
set：去重和成员判断集合没有稳定的索引位置，不能写 items[0]。它适合判断某个元素是否出现过，以及计算并集、交集和差集。
raw_labels = ["cat", "dog", "cat", "bird"]
labels = set(raw_labels)
print(labels)
print("cat" in labels) # 快速成员判断
train_labels = {"cat", "dog"}
test_labels = {"dog", "bird"}
print(train_labels & test_labels) # 交集：{'dog'}
print(train_labels | test_labels) # 并集
print(test_labels - train_labels) # 测试集独有类别
集合去重会丢失原始顺序。如果既要去重又要保留第一次出现的顺序，可以使用 dict.fromkeys(values)：
labels = ["cat", "dog", "cat", "bird"]
ordered_unique = list(dict.fromkeys(labels))
print(ordered_unique) # ['cat', 'dog', 'bird']
点击放大查看图：Python 赋值、浅拷贝与深拷贝关系图
图中“箭头指向同一个对象”是理解副作用的关键：如果两个变量最终共享嵌套列表，修改其中一个变量就可能改变另一个变量看到的结果。
Copy Lab
original = [[1, 2]]原对象
副本 = [[1, 2]]内层对象共享
两个变量指向同一个对象，修改任意一方都会影响另一方。
解包数量不匹配会抛出 ValueError。使用 *rest 接收不定数量的剩余项，使用 **mapping 合并字典时要注意同名键会被后面的值覆盖。
嵌套结构需要完全独立时使用 copy.deepcopy：
深拷贝不是万能的：文件句柄、线程锁和某些第三方对象可能不能被复制。配置和样本数据通常只包含字典、列表、数字和字符串，适合使用 deepcopy；大型 NumPy 数组则应理解视图与复制的成本。
点击放大查看图：AI 训练实验中的数据组织图
在真实项目中，容器通常会组合使用，而不是“一个章节只选一种”：外层实验对象可以是字典，字典里的样本和指标历史使用列表，类别去重再交给集合。
下面示例把配置、类别编码、训练样本和指标历史放在合适的容器里：
这里的字典保存带名字的配置和样本字段，列表保存有顺序的样本与训练历史，集合检查数据中出现过哪些类别。真正训练时，NumPy 数组或 pandas DataFrame 更适合大规模数值和表格运算；Python 容器主要负责组织边界和元数据。
目标：统计一批样本的标签数量，并找出验证集里训练集没有出现过的标签。
train_labels = ["cat", "dog", "cat", "dog"]
valid_labels = ["cat", "bird", "dog"]
train_set = set(train_labels)
valid_set = set(valid_labels)
unseen = valid_set - train_set
counts = {}
for label in train_labels:
counts[label] = counts.get(label, 0) + 1
print("训练集计数:", counts)
print("验证集新增类别:", unseen)
变式：把 valid_labels 改成没有新类别的列表；再把 train_labels 改成包含重复值的列表，观察集合和字典分别保留了什么信息。
| 现象 | 原因 | 处理方式 |
|---|---|---|
IndexError: list index out of range | 索引超过列表范围 | 先检查 len(values)，或用 for 遍历 |
KeyError | 字典中不存在该键 | 使用 get() 或先用 if key in mapping 判断 |
TypeError: unhashable type: 'list' | 把列表作为集合元素或字典键 | 改用元组，或重新设计键 |
| 修改副本影响原数据 | 赋值只创建别名，浅拷贝仍共享内层对象 | 使用 .copy() 或 deepcopy()，按嵌套层级选择 |
| 集合输出顺序变化 | 集合不提供索引顺序保证 | 需要稳定顺序时使用列表或 dict.fromkeys() |
| 遍历时删除元素导致漏项 | 列表长度和索引同时变化 | 用列表推导式构造新列表，或倒序删除 |
pop(0) 在大列表上变慢 | 删除头部需要移动剩余元素 | 频繁两端操作时考虑 collections.deque |
get()、items()、values() 处理配置和指标。scores[1:4] 包含哪些位置？为什么切片通常使用半开区间？config["seed"] 和 config.get("seed", 42) 在键不存在时有什么区别？alias = original、original.copy() 和 deepcopy(original) 对嵌套列表分别意味着什么？下一章：05.函数与作用域。你将把本章的数据容器交给函数处理，并学习如何通过参数和返回值组织可复用逻辑。