Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Ключевые различия между списками Python и кортежами Python
  • Создание и индексирование списков и кортежей Python
  • Изменяемость списков и кортежей Python
  • Потребление памяти списками и кортежами Python
  • Сравнение методов списков Python и кортежей
  • Копирование списков и кортежей Python
  • Заключение
  • Дополнительные ресурсы
  1. Python
  2. Python Lists

Python: Различия между списками и кортежами

PreviousРазница между массивами и списками в PythonNextКак проверить, пуст ли список в Python

Last updated 1 year ago

В этом руководстве вы узнаете различия между списками и кортежами в Python. Списки и кортежи являются основными структурами данных-контейнерами в Python. На первый взгляд они кажутся очень похожими. Однако между ними существует ряд уникальных отличий, которые делают их использование весьма очевидным.

К концу этого урока вы узнаете:

  • Каковы ключевые различия и сходства между списками Python и кортежами Python?

  • Когда использование списка более целесообразно, чем использование кортежа

  • Когда использование кортежа более целесообразно, чем использование списка

  • Какие методы доступны и недоступны для двух структур данных

В Python как списки, так и кортежи являются структурами данных-контейнерами, но у них есть уникальные атрибуты. , например, могут быть полезны для хранения значений, которые необходимо изменять, удалять или добавлять. В отличие от этого, кортежи Python позволяют вам быть уверенными в том, что данные в них не могут быть изменены.

Оглавление

Ключевые различия между списками Python и кортежами Python

В таблице ниже представлены ключевые различия и сходства между списками и кортежами Python. Некоторые из пунктов будут верны как для списков, так и для кортежей, в то время как у других будут отмечены различия:

Атрибут
Список Python
Кортеж Python

Синтаксис

Создано с использованием квадратных скобок: []

Создано с использованием обычных круглых скобок: ()

Элементы можно изменять, удалять или добавлять в

Элементы не могут быть изменены (примечание в разделе об изменении)

Да

Да

Да

Да

Размер/Длина

Размер и длину можно изменить

Размер и длина фиксируются после создания.

Потребление памяти

Повышенное потребление памяти

Меньшее потребление памяти

Возможность копирования

Могут быть созданы копии

Любая «копия» будет указывать непосредственно на оригинал.

Может использоваться как ключи словаря.

Нет

Да

Перебор элементов

Может быть немного медленнее, чем кортежи

Может быть немного быстрее, чем списки

В следующих разделах мы подробнее разберем каждый из этих пунктов. Каждый из них имеет технические сложности, и многие из них заслуживают более глубокого изучения.

Создание и индексирование списков и кортежей Python

Python списки и кортежи работают очень похожим образом. Python списки используют квадратные скобки [], в то время как Python кортежи используют обычные скобки (). Оба эти типа данных могут содержать элементы различных типов данных, что означает, что они являются гетерогенными.

Давайте посмотрим, как можно создать эти два типа данных:

# Creating Python Lists and Tuples
a_list = ['datagy', 1, True]
a_tuple = ('datagy', 1, True)

Поскольку оба этих объекта упорядочены, мы можем получать доступ к элементам внутри них, используя их индексную позицию. Работают как положительные, так и отрицательные индексы.

Давайте попробуем получить доступ к небольшому количеству данных в них:

# Accessing items in Python Lists and Tuples by their Index Position
print(a_list[0])
print(a_tuple[-1])

# Returns:
# datagy
# True

На данный момент эти два объекта кажутся довольно похожими. В следующем разделе мы подробнее рассмотрим изменяемость этих объектов, чтобы лучше понять, где лежат некоторые ключевые различия.

Изменяемость списков и кортежей Python

Python списки являются изменяемыми объектами, что означает, что вы можете обновлять элементы в них, удалять элементы или добавлять к ним элементы.

В то время как кортежи в Python являются неизменяемыми: это означает, что после их создания они не могут быть изменены.

Давайте посмотрим, как мы можем изменить значение в списке Python:

# Modifying a Python List's Values
a_list = ['datagy', 1, True]
a_list[2] = False
print(a_list)

# Returns: ['datagy', 1, False]

Давайте посмотрим, что произойдет, когда мы попытаемся сделать то же самое с нашими кортежами:

# Attempting to modify a tuple's value
a_tuple = ('datagy', 1, True)
a_tuple[2] = False
print(a_tuple)

# Raises: TypeError: 'tuple' object does not support item assignment

При попытке изменить значения кортежа была вызвана ошибка.

Существует одно важное исключение. Если наш кортеж содержит изменяемый объект, такой как список, то этот объект может быть модифицирован. Давайте посмотрим, как это выглядит:

# Modifying a mutable item in a tuple
another_tuple = (1,2,[3,4])
another_tuple[2].append(5)

print(another_tuple)

# Returns: (1, 2, [3, 4, 5])

Потребление памяти списками и кортежами Python

Поскольку списки в Python являются изменяемыми, а кортежи в Python нет, Python может более эффективно использовать память при работе с кортежами.

Причина этого заключается в том, что при создании списка Python выделяет дополнительное пространство, чтобы иметь возможность его изменять. С другой стороны, в случае с кортежами Python, Python точно знает, сколько памяти нужно выделить!

Чтобы лучше проиллюстрировать это, давайте проверим размеры нашего кортежа и списка:

# Checking the sizes of tuples and lists
a_list = ['datagy', 1, True]
a_tuple = ('datagy', 1, True)

print(a_list.__sizeof__())
print(a_tuple.__sizeof__())

# Returns:
# 64
# 48

Мы видим, что список на 33% больше по объему в байтах! На таком уровне это может не иметь большого значения. Однако при работе с большими наборами данных разница может быть огромной.

Сравнение методов списков Python и кортежей

Поскольку списки Python являются изменяемыми, у них есть гораздо больше доступных методов. Тем не менее, у кортежей Python также есть большое количество методов, которые могут облегчить поиск и извлечение данных.

Простое сравнение длины таблицы покажет, сколько больше методов доступно для списков по сравнению с кортежами.

Давайте начнем с рассмотрения методов списка в Python:

Методы списка Python

Следующий список содержит все методы, доступные для списков Python:

Метод
Описание

list.append(x)

Добавляет элемент в конец списка.

list.extend(iterable)

Расширяет список, добавляя все элементы из итерируемого объекта.

list.insert(i, x)

Вставляет элемент в заданную позицию. Первый аргумент — это индекс элемента, перед которым необходимо вставить.

list.remove(x)

Удаляет первый элемент из списка, значение которого равно x.

list.pop([i])

Удаляет элемент в заданной позиции в списке и возвращает его.

list.clear()

Удаляет все элементы из списка.

list.index(x[, start[, end]])

Возвращает индекс, отсчитываемый от нуля, в списке первого элемента, значение которого равно x.

list.count(x)

Возвращает количество раз, когда x появляется в списке.

list.sort(*, key=None, reverse=False)

Сортирует элементы списка по месту.

list.reverse()

Меняет местами элементы списка.

list.copy()

Возвращает неполную копию списка.

Теперь давайте посмотрим на методы, доступные для кортежей:

Методы кортежа Python

Для кортежей доступны следующие методы:

Метод
Описание

tuple.index(x[, start[, end]])

Возвращает индекс, отсчитываемый от нуля, в кортеже первого элемента, значение которого равно x.

tuple.count(x)

Возвращает количество раз, когда x появляется в кортеже.

Копирование списков и кортежей Python

Одна интересная особенность списков и кортежей в Python заключается в том, что списки можно копировать, в то время как кортежи копировать нельзя. Поскольку кортежи неизменяемы, при попытке скопировать кортеж он просто возвращает сам себя.

Давайте сначала посмотрим, как это выглядит со списками:

# Making a copy of a list
a_list = ['datagy', 1, True]
another_list = list(a_list)

print(id(a_list))
print(id(another_list))

# Returns:
# 140341145035072
# 140340875289536

Мы видим, что эти два списка указывают на разные места памяти. Теперь давайте попробуем это с кортежами:

# Copying tuples
a_tuple = ('datagy', 1, True)
another_tuple = tuple(a_tuple)

print(id(a_tuple))
print(id(another_tuple))

# Returns:
# 140324366994240
# 140324366994240

Заключение

В этом руководстве вы узнали о различиях между списками и кортежами в Python. Понимание этих различий помогает лучше понять, когда использовать то или иное из этих структур данных.

Некоторые ключевые отличия заключаются в том, что кортежи неизменяемы, имеют фиксированную длину и могут быть более эффективны с точки зрения использования памяти. В свою очередь, списки изменяемы, не имеют фиксированной длины и могут использовать больше памяти.

Дополнительные ресурсы

Чтобы узнать больше о связанных темах, ознакомьтесь с обучающими материалами ниже:

  • Как использовать именованные кортежи Python

  • Словари Python: полный обзор

  • Добавить к списку Python (добавить в начале)

  • Python: добавление к кортежу (3 простых способа)

Методы списка Python: официальная документация
Списки Python
Ключевые различия между списками Python и кортежами Python
Создание и индексирование списков и кортежей Python
Изменяемость списков и кортежей Python
Потребление памяти списками и кортежами Python
Сравнение методов списков Python и кортежей
Методы списка Python
Методы кортежа Python
Копирование списков и кортежей Python
Заключение
Дополнительные ресурсы