第二部分开始讨论Python的数据结构，这是Python的一个重点。Python的数据结构设计的很有特点：严谨、一致性好，使用灵活，操作方便。它用统一的风格处理序列数据，共用一套操作。

不同的脚本语言，往往设置不同的核心数据结构，围绕着这个核心组织数据，进行各种操作。其实仔细想一想，编程语言中基础的数据结构，是不是都可以归结为2类：序列数据／关联数据。序列可以用数组实现，关联可以用类似字典”Key-Value”的结构处理。抓住核心的概念，就容易对付了。而再细究下，关联数据也可以用数组实现。PHP就是。

PHP里面的核心数据结构是数组-Array，几乎一切数据处理都围绕着它运作。但是这个Array，其实包含了两个实体：数组和关联数组。JavaScript里面，就做了区分，关联数组用Object替代了。C里面就很原始，这些高级玩意儿统统没有。C++倒是有一套STL模版库，解决了不少问题。想要更高级的？自己做。相比之下，Python设计的就很严谨了。

Python把数组看成“序列”的一种，用这个概念涵盖。只要符合序列标准，就能执行序列的各种操作了。关联数组这些需求，推到字典对象里面去了。

Python的序列包括了更细腻的结构：list/tuple/deque/str/bytes等。list/deque/bytearray是可变的，可以任意操作里面的数据。tuple(元组)／str(字符串)不可变。字符串怎么还不可变？其实脚本基本都这么实现的。你修改字符串，就生成一个新的字符串给你，老的回收。字符串也算序列，这统一的概念，给了Python语言强大的操作能力。你看PHP操作字符串，只能用基础的类似C语言的函数。但是Python就能按序列，使用定义在序列中的各种方法来操作。

要学这部分内容，还是去看下“Learning Python 5th”吧，讲的比较细致，这本书面向中高级用户，入门的东西没有。第17页的图值得仔细观摩，它解释了序列数据结构的继承关系。

列表解析、生成器表达式，是Python设计的特殊的操作，算是一个特色。

列表解析例子：dummy = [ x for x in ‘abcd’ if x > 1] 其实就是个倒写的、简单的for循环，但是性能经过特别优化，比手写的for快。运算结果是个新的列表。

图灵出版了一本很薄的书《函数式编程思维》，里面对函数式编程的思想理念、方法做了简明扼要的阐述。里面提到函数式编程有3个基本单元：filter/map/reduce。其实列表解析就能在某些场合替代filter和map，性能还更高。

生成器表达式，从语法上说，就是方括号换成圆括号： [] -> ()，但是意义差别很大。现代的语言，大多实现了“生成器”，这东西简单的说，就是推迟调用，需要时生成。在大数据量操作的时候有很大的优势 – 节省内存占用。

下面是元组 – tuple。其它书籍提到过，为何有了列表，还要有元组。这体现了设计者的严谨。另外，因为元组不可变，所以它能够作为字典对象的Key，而列表 – list就不能。

此节对元组提出了新的理解，作者认为，光把元组理解为不可变的列表是不够的。其实它还包含了其它的信息：元素的总数、位置信息，而通过这个信息，又可以方便的构建新的结构 – 具名元组（collections.namedtuple）。它是对数据的记录。

元组的拆包操作语句是很巧妙的设计，很Pythonic。

city, year, pop = (‘Tokyo’, 2003, 32450)

一行语句就完成了多个变量的赋值。哪怕元组签套了其它元组，也可以正常的解析分配。

后面是“切片” – slice 操作，这个也很有Python特色。

“切片”是针对序列类型的数据对象的一个操作集合。什么意思？序列类型，其实就是可以像数组一样操作的对象。列表／字符串／元组都是序列类型。通过这种抽象，切片功能不再局限于数组本身，而是可以扩展到任意序列类型。对比另外的设计：字符串、数组都有各自不同的操作方法，这个模式要简单的多，而且一致性强，很有美感。

切片的一个基本形式：[a:b:c]，数学上习惯用“左闭右开”的模式，即：操作上包括起点a，但是不包括终点b。

针对切片类型的各种操作，因为类型的一致，也可以直接使用了。C++里面的STL模版库，是个经典的设计案例。它完全遵循了“正交”的设计理念。算法+容器，可以独立替换、变化，而不影响代码操作。Python也有这种设计思想。

本章探讨了list.sort/sorted，以及bisect模块。list.sort会就地操作列表 – in place，但是sorted内置函数则会返回一个新列表，要注意这个重要的差异。

通用的容器，可能是操作最方便的，也同样是效率最低的。因为它没法针对某种情形进行优化。比如存储大量的浮点数，搜索特定的值等等。这里提到另外一个容器分类的概念：扁平序列、容器序列。扁平序列就是有针对性的，存储类型一致的容器。消耗资源小，速度快，但是无法自身签套。就是你不能在容器里面签套，同样类型的容器，而容器序列则可以：[1, [2, 3]]

如果你只操作数字类型、字符，不妨使用array.array库，专门优化。可以参考下：https://docs.python.org/3/library/array.html

这给我们提了醒：当操作的数据量很大的时候，先看看Python里是否有单独的、针对性优化的结构和容器，最后再考虑通用类型。这种优化效果可能非常的可观，而并不会增加多少开发量。

Python还有其它的库，用于数据操作，本章提到的：memoryview/NumPy/SciPy，以及队列。具体使用信息，可以根据线索，有针对性的查看文档说明。本章最后，有一些背景性质的讨论，值得一读。

一个小任务：用谷歌检索一下这个名字 – Tim Peters.