02. 列表、字典和元组

# 创建初始投资组合（存储A股股票代码）
portfolio = ['600519.SH', '000858.SZ', '600036.SH', '000002.SZ']
# 6位数字.SH（上海）或.SZ（深圳）

# 添加新股票（末尾追加，均摊O(1)）
portfolio.append('601318.SH')  # 中国平安

# 移除股票（需遍历查找，O(n)）
portfolio.remove('000002.SZ')  # 万科A

# 输出当前持仓
print(f'当前持仓股票数量: {len(portfolio)}')
for i, stock in enumerate(portfolio, start=1):
    print(f'  {i}. {stock}')

# 创建股票信息字典
stock_info = {
    'code': '600519.SH',
    'name': '贵州茅台',
    'price': 1850.00,
    'volume': 2500000
}

# 更新股价
stock_info['price'] = 1860.00

# 添加新字段（市盈率）
stock_info['pe_ratio'] = 45.5

# 检查字段是否存在
if 'market_cap' in stock_info:
    print(f'市值: {stock_info["market_cap"]}')
else:
    print('市值信息缺失')

# 批量更新
stock_info.update({'price': 1870.00, 'volume': 2600000})
print(stock_info)

# 两个字典
dict_a = {'a': 1, 'b': 2, 'c': 3}
dict_b = {'b': 2, 'c': 3, 'd': 4}

# 键的交集（两个字典共有的键）
common_keys = dict_a.keys() & dict_b.keys()
print(f'共有键: {common_keys}')  # {'b', 'c'}

# 键的差集（A有B没有的键）
unique_keys = dict_a.keys() - dict_b.keys()
print(f'A独有键: {unique_keys}')  # {'a'}

from collections import namedtuple

# 定义命名元组类型
Stock = namedtuple('Stock', ['code', 'name', 'price', 'volume'])

# 创建实例
stock = Stock('600519.SH', '贵州茅台', 1850.00, 2500000)

# 通过字段名访问（更直观）
print(f'股票名称: {stock.name}')
print(f'股票价格: {stock.price}')

# 仍然支持索引访问
print(f'股票代码: {stock[0]}')

# 导入重复计时与稳健汇总工具以避免单次观测误导。
import statistics,timeit

element_count=1_000_000  # 固定两种结构包含相同数量的键。
test_list=list(range(element_count))  # 建立需要线性扫描的列表。
test_dict={key:None for key in range(element_count)}  # 建立按哈希定位的字典。
target_key=element_count-1  # 选择列表末端键以展示线性扫描负载。
repeat_count=7  # 用七轮重复观察运行环境波动。
lookups_per_repeat=10  # 每轮对两种结构执行相同次数的查询。
timer_context={'target_key':target_key,'test_list':test_list,'test_dict':test_dict}  # 共享同一计时上下文。
list_samples=timeit.repeat('target_key in test_list',globals=timer_context,repeat=repeat_count,number=lookups_per_repeat)  # 重复测量列表查询。
dict_samples=timeit.repeat('target_key in test_dict',globals=timer_context,repeat=repeat_count,number=lookups_per_repeat)  # 重复测量字典查询。
list_per_lookup=[sample/lookups_per_repeat for sample in list_samples]  # 换算列表单次查询耗时。
dict_per_lookup=[sample/lookups_per_repeat for sample in dict_samples]  # 换算字典单次查询耗时。
ratio_samples=[list_value/dict_value for list_value,dict_value in zip(list_per_lookup,dict_per_lookup)]  # 逐轮计算同环境耗时比。
print(f'列表单次中位数={statistics.median(list_per_lookup):.6f}秒，范围=[{min(list_per_lookup):.6f}, {max(list_per_lookup):.6f}]')  # 报告列表稳健汇总。
print(f'字典单次中位数={statistics.median(dict_per_lookup):.9f}秒，范围=[{min(dict_per_lookup):.9f}, {max(dict_per_lookup):.9f}]')  # 报告字典稳健汇总。
print(f'同轮耗时比中位数={statistics.median(ratio_samples):.1f}倍，范围=[{min(ratio_samples):.1f}, {max(ratio_samples):.1f}]')  # 报告波动而非固定倍数。

import copy

# 嵌套列表（模拟投资组合持仓）
portfolio = [
    ['600519.SH', 100, 1850.00],
    ['000858.SZ', 200, 85.50]
]

# 浅拷贝：内层仍然共享引用
portfolio_shallow = portfolio.copy()

# 深拷贝：完全独立的副本
portfolio_deep = copy.deepcopy(portfolio)

# 修改原始数据
portfolio[0][2] = 1900.00

# 浅拷贝受影响（共享内层引用）
print(f'浅拷贝: {portfolio_shallow[0][2]}')  # 1900.00

# 深拷贝不受影响（完全独立）
print(f'深拷贝: {portfolio_deep[0][2]}')  # 1850.00