Python डेटा स्ट्रक्चर्स: याद्या, टपल्स, सेट्स आणि डिक्शनरी

List

  • A List मधील डायनॅमिक अॅरे आहे Python, ज्यामुळे तुम्हाला अनेक भिन्न मूल्ये संग्रहित करता येतात आणि प्रारंभ केल्यानंतर घटक बदलले जाऊ शकतात.
  • a घोषित करण्यासाठी List, चौरस कंस वापरा [].

उदाहरण:

# Declare a List containing integers  
numbers = [1, 2, 3, 4, 5]  
  
# Access and print elements in the List  
print(numbers[0])  # Output: 1  
print(numbers[2])  # Output: 3  
  
# Modify the value of an element in the List  
numbers[1] = 10  
print(numbers)  # Output: [1, 10, 3, 4, 5]  

 

Tuple

  • A Tuple मधील एक अपरिवर्तनीय डेटा संरचना आहे Python, ज्याचा वापर अनेकदा प्रारंभानंतर डेटा बदलण्यापासून संरक्षण करण्यासाठी केला जातो.
  • घोषित करण्यासाठी Tuple, कंस वापरा ().

उदाहरण:

# Declare a Tuple containing information of a student  
student_info =('John', 25, 'Male', 'New York')  
  
# Access and print elements in the Tuple  
print(student_info[0])  # Output: John  
print(student_info[2])  # Output: Male  

 

Set

  • A Set ही एक डेटा रचना आहे ज्यामध्ये डुप्लिकेट घटक नसतात आणि त्याला ऑर्डर नसते.
  • घोषित करण्यासाठी Set, कर्ली ब्रेसेस {} किंवा set() फंक्शन वापरा.

उदाहरण:

# Declare a Set containing colors  
colors = {'red', 'green', 'blue', 'red', 'yellow'}  
  
# Print the Set to check duplicate elements are removed  
print(colors)  # Output: {'red', 'green', 'blue', 'yellow'}  

 

Dictionary

  • A Dictionary एक अक्रमित डेटा संरचना आहे जी की-व्हॅल्यू जोड्यांमध्ये माहिती संग्रहित करते.
  • घोषित करण्यासाठी Dictionary, कुरळे ब्रेसेस वापरा {} आणि प्रत्येक की-व्हॅल्यू जोडी कोलनने विभक्त करा :.

उदाहरण :

# Declare a Dictionary containing information of a person  
person = {'name': 'John', 'age': 30, 'city': 'New York'}  
  
# Access and print values from the Dictionary  
print(person['name'])  # Output: John  
print(person['age'])   # Output: 30  
  
# Modify the value of a key in the Dictionary  
person['city'] = 'Los Angeles'  
print(person)  # Output: {'name': 'John', 'age': 30, 'city': 'Los Angeles'}  

Python या डेटा स्ट्रक्चर्स प्रोग्रामरना विविध प्रोग्रामिंग परिस्थिती आणि उद्देशांसाठी योग्य, मध्ये लवचिकपणे डेटा हाताळू आणि प्रक्रिया करू देतात .