18 Most Common Python List Questions

O que é exatamente uma lista em Python?

Listas são uma das quatro estruturas de dados nativas do Python, junto com tuples, dicionários e sets. Elas servem para armazenar uma coleção ordenada de itens, que podem ser de tipos diferentes (embora, na prática, geralmente não sejam). Os elementos são separados por vírgulas e ficam entre colchetes. Como neste exemplo:

Perceba que a segunda variável, biggerZoo, é uma lista semelhante à variável zoo. Mas biggerZoo também contém outra lista com diferentes tipos de macacos.

Como listas em Python guardam coleções ordenadas de itens ou objetos, dizemos que elas são tipos de sequência, porque se comportam como uma sequência. Strings e tuples também são tipos de sequência.

O que tem de especial nos tipos de sequência? Em palavras simples: o programa consegue iterar sobre eles! Por isso listas, strings, tuples e sets são chamados de “iteráveis”.

Guarde esse conceito — ele é importante e pode aparecer em outras linguagens muito usadas em data science, como Scala!

Agora, mãos à obra! Vamos nos aprofundar nas dúvidas sobre listas que podem estar (ou já estiveram) na sua cabeça como programador(a) Python. Aqui está a lista de perguntas que vamos responder neste tutorial:

1. Quando usar listas em Python e quando usar tuples, dicionários ou sets

A introdução parece bem simples quando você só está lendo, mas quando você está escrevendo um script pequeno em Python ou um projeto inteiro, pode ficar em dúvida entre escolher uma lista ou outro tipo de sequência.

Mesmo assim, escolher a estrutura de dados certa para o seu caso é essencial!

Continue lendo para entender melhor.

2. Como selecionar um elemento de uma lista

Se você quer trabalhar direito com listas, precisa saber como acessá-las.

Normalmente você acessa listas para alterar alguns valores, atualizar, excluir ou executar alguma outra operação. A forma de acessar listas — e, por extensão, qualquer tipo de sequência — é usando o operador de índice [ ]. Dentro dos colchetes, vai um número inteiro.

Veja um exemplo:

Execute o código e veja o que retorna. Você vai notar que o primeiro elemento da variável biggerZoo é retornado. Pode confundir no começo, mas os índices começam em 0, não em 1.

# itens do índice start até end (mas end não é incluído!)
a[start:end]

# itens do índice start até o fim do array
a[start:]    

# itens do começo até end (mas end não é incluído!)
a[:end]

# do início até antes de end, com passo definido
a[start:end:step]

3. Como transformar listas em Python em outras estruturas de dados

Às vezes, uma lista não é exatamente o que você precisa. Nesses casos, pode ser útil saber como transformar sua lista em uma estrutura mais apropriada. Abaixo, reunimos as conversões mais comuns e suas respostas.

helloWorld = ['hello','world','1','2']

4. Como saber o tamanho da sua lista em Python

Passe sua lista para a função len() para obter o comprimento.

Teste abaixo! Já deixamos uma lista justAList pronta para você usar.

Observação: len() não é só para listas; funciona com outras sequências e coleções, como dicionários, sets, strings etc. Veja mais funções nativas aqui.

5. Qual é a diferença entre os métodos append() e extend()?

Vamos começar relembrando o conceito de iterável apresentado no início do post:

Lembre-se: dizemos que um valor é iterável quando seu programa pode iterar sobre ele. Em outras palavras, um iterável representa uma sequência de um ou mais valores. Como você viu, listas são sequências, e todas as instâncias dos tipos de sequência do Python são iteráveis.

Dica: você verifica se uma variável é iterável quando ela tem o método .__iter__, como neste trecho:

Execute o código e teste outros exemplos simples no shell do IPython!

Com o conceito de iterável em mente, fica fácil entender a diferença: extend() recebe um iterável (isso mesmo: lista, set, tuple ou string!) e adiciona cada elemento, um por um, à lista.

append(), por sua vez, adiciona seu argumento ao final da lista como um único item. Ou seja, se append() receber um iterável, ele vai tratá-lo como um objeto único.

Estude os exemplos abaixo e brinque com o código para fixar as diferenças entre os métodos:

Perceba que extend() é mais eficiente do que chamar append() várias vezes.

6. Como concatenar listas em Python

Para concatenar listas, use o operador +. Ele retorna uma nova lista que é a concatenação das duas, sem modificar as originais.

Observação: concatenar e fazer append podem confundir. append() é diferente do operador + e, por sua vez, este é parecido com extend(), mas não é idêntico... Com append() e extend(), você altera a lista original; com +, você cria outra variável de lista.

Teste e compare com os exemplos do bloco anterior:

7. Como ordenar uma lista em Python

Existem duas formas simples de ordenar os valores em ordem crescente ou decrescente:

• Usar o método sort()
• Ou usar a função sorted() e passar a lista

A função sorted() pode ser aplicada a qualquer iterável — também aceita strings, sets e dicionários!

Dica: teste você mesmo! Já criamos duas listas, rooms e orders, para você ordenar com as duas técnicas acima :)

Observação: a lista original muda após a ordenação. Use quando você não precisar mais da ordem antiga.

8. Como clonar ou copiar uma lista em Python

Há várias formas de clonar/copiar uma lista:

• Fazer slice da lista original e guardar em nova variável: newList = oldList[:]
• Usar a função nativa list(): newList = list(oldList)
• Usar a biblioteca copy:
  • Com o método copy(): newList = copy.copy(oldList)
  • Se sua lista contém objetos e você quer copiá-los também, use copy.deepcopy(): copy.deepcopy(oldList)

Teste abaixo! Já criamos uma lista groceries para você copiar e compartilhar com os amigos.

Observação: usando cópias “simples”, suas listas originais podem ser alteradas. Já com deepcopy(), isso não acontece. Rode o código abaixo para ver:

Se você já domina listas em Python, a próxima seção traz respostas simples para dúvidas mais avançadas.

Mas, se você quer ir além das listas e entender vantagens de bibliotecas em relação às estruturas nativas, a próxima seção vai ajudar bastante.

Continue lendo!

9. Como funciona list comprehension em Python?

List comprehension é, basicamente, uma forma elegante de construir listas. Para quem curte matemática, o melhor é que o visual lembra listas matemáticas. Veja:

O que isso quer dizer? Você pega os números de 0 a 10 (sem incluir o 10) e multiplica cada um por 2. Execute o código acima e veja se bate com o esperado.

De boa, né? Vamos subir um nível.

Agora crie a mesma lista, mas só multiplicando os números divisíveis por 2. Com list comprehension, também é fácil:

Basta adicionar uma condição com if. Se a condição for verdadeira, o número entra na multiplicação por 2. Aqui, a condição é ser divisível por 2 (sem resto).

De forma geral, você também pode usar list comprehension para transformar listas em outras listas — parece mais difícil, mas não é.

Considere este exemplo:

Nesse caso, você já tem uma lista myList e a transforma via comprehension: mais uma vez, for x in myList aplica uma operação para cada elemento de myList.

Repare que aparece (lambda x: x*x). Simplificando: lambdas são funções anônimas criadas em tempo de execução. Você pode encarar esse trecho só como um indicativo e focar em x*x.

Essa função recebe um elemento e o multiplica por ele mesmo. Como é anônima, você precisa passar o elemento explicitamente: por isso (lambda x: x*x)(x).

Em outras palavras, você poderia reescrever a segunda linha assim:

f = lambda x: x*x
[f(x) for x in range(10)]

Primeiro define a função lambda que multiplica um elemento por ele mesmo e, em seguida, passa cada elemento da lista para que ele seja elevado ao quadrado.

Observação: além de list comprehension, existem set e dict comprehensions.

Já deu para sentir o poder, mas ainda tem muito mais sobre list comprehension.

Siga nas próximas perguntas para ver compreensão aninhada e exemplos práticos do que isso pode fazer no seu código Python!

10. Como contar ocorrências de um item em uma lista

Como listas não exigem unicidade dos itens, pode ser útil saber não só quantas vezes um item específico aparece, mas também contar a frequência de todos os itens.

Abaixo estão as respostas para os dois casos!

11. Como dividir uma lista em blocos de mesmo tamanho

Para fatiar sua lista em partes iguais, você pode usar zip() combinado com iter():

O código funciona assim:

• iter() cria um iterador sobre a sequência.
• [iter(x)] * 3 produz uma lista com três objetos listiterator: cada um é um iterador de x.
• o * antes de zip() desempacota a sequência em argumentos, passando o mesmo iterador três vezes para zip(), que puxa um item a cada vez.

Esperou... Esse último passo ficou confuso?

Vamos por partes:

1. Você terá três iteradores de lista, que podem ser vistos como:

[1,2,3,4,5,6,7,8,9], [1,2,3,4,5,6,7,8,9], [1,2,3,4,5,6,7,8,9]

2. Na primeira vez, zip() pega um elemento sequencial de cada lista, deixando você com:

[1][2][3]

Observação: os iteradores controlam qual é o próximo elemento!

3. Na segunda passada, elementos são adicionados às três listas recém-criadas, resultando em:

[1, 4], [2, 5], [3, 6]

4. Na última, o mesmo processo gera:

[1, 4, 7], [2, 5, 8], [3, 6, 9]

5. Zipando essas três listas, você fica com:

[1, 2, 3], [4, 5, 6], [7, 8, 9]

Se preferir colocar essa lógica em uma função, você pode fazer assim:

A função chunks() recebe uma lista e o tamanho do bloco. Ela vai “yieldar” blocos sucessivos do tamanho escolhido.

Depois, range(0, len(list), chunkSize): começa em 0 e vai até o comprimento da lista, com passo igual ao chunkSize.

Para cada elemento desse range, você retorna um slice da lista original, começando no índice atual e indo até índice + chunkSize.

Por exemplo, quando o índice 0 passa no loop, você obtém [0:2]. Na iteração seguinte, o índice 2 passa (lembre do step!) e é retornado [2:4].

Observação: aqui usamos pprint() (pretty print) para mostrar o resultado.

Você também pode usar list comprehension em vez de escrever a função:

12. Como percorrer uma lista em Python

Você percorre listas facilmente com um for. Para quem não está familiarizado: o for permite executar uma ação para cada elemento da lista.

Em Python, um for fica assim:

Você tem a lista mylist e pede ao Python para conferir se o tamanho de cada elemento é igual a 3. Como existem duas sublistas com três elementos — [1,2,3] e [8, 9,10] —, só elas são impressas.

Observação: o x pode ser substituído por element, listElement ou o nome que você quiser. Teste no console!

O resultado não mostra índices. Se você quiser iterar usando índices, faça assim:

Como queremos imprimir elemento e índice, usamos enumerate(myList), que retorna um par (índice, valor). Na cabeça do for, usamos i, val para deixar claro que esperamos ambos.

Observação: você também pode usar list comprehension para percorrer e já imprimir, sem print() explícito:

13. Como “achatar” listas (flatten)

Para transformar uma lista de listas em uma lista simples, você pode usar sum(). Não esqueça de passar a lista e uma lista vazia como segundo argumento:

Você também pode usar outras duas abordagens para achatar listas:

• Use reduce() com uma lambda. reduce() reduz o iterável a um único valor conforme a função passada. Aqui, somamos cumulativamente as listas: [1,2] é somado a [3,4], e o resultado a [5,6]. Visualmente:

([1,2]+[3,4])+[5,6]

Lembre-se: o operador + concatena listas.

• A segunda opção é usar list comprehension aninhado. Primeiro percorremos cada sublist in list ([1, 2], [3, 4], [5, 6]) e depois item for item in sublist, imprimindo cada item.

Outra forma de visualizar o comprehension aninhado é reescrever com for tradicional:

list1 = []

for sublist in list:
  for item in sublist:
    list1.append(item)

14. Como obter a interseção de duas listas em Python

15. Como remover duplicatas de uma lista

Como dito no início do post, o melhor é usar set quando você precisa de uma coleção única e não ordenada.

Para criar um set a partir de qualquer iterável, basta passá-lo à função set(). Se depois você precisar voltar a uma lista, passe o set para list().

Lembre-se: um iterável pode ser uma lista, dicionário, etc. Verifique se uma variável é iterável chamando .__iter__.

O exemplo abaixo mostra claramente como usar set() para remover todas as duplicatas da sua lista:

Como você vê no último resultado, a ordem original não é mantida após subtrair o set smallNumbers. Sets são coleções não ordenadas, então qualquer ordem existente é perdida. Ao converter de volta para lista, uma ordem arbitrária é criada.

Se a ordem é importante, use outro mecanismo. Esta página aprofunda o assunto.

16. Por que usar NumPy em vez de listas do Python?

No geral, há quatro motivos pelos quais programadores preferem arrays NumPy a listas do Python:

• arrays NumPy são mais compactos;
• leitura e escrita são mais rápidas;
• NumPy é mais conveniente graças às várias operações vetoriais e matriciais “de fábrica”;
• e pode ser mais eficiente, pois é implementado de forma otimizada.

17. Como criar arrays NumPy vazios

Se você quer apenas criar um array vazio do NumPy, execute:

Se sua intenção é inicializar um array NumPy, siga um destes caminhos:

Confira a documentação nesta página para outras formas de criar arrays.

18. Como fazer contas com listas em Python

Muitas vezes usamos listas não só para armazenar valores, mas também para fazer operações matemáticas. Esta seção cobre perguntas frequentes sobre o tema.

cost = [0.424, 0.4221, 0.4185, 0.4132, 0.413]
cases = [10, 20, 30, 40, 50]

list1=[1, 2, 3]
list2=[4, 5, 6]

O que vem a seguir na sua jornada de data science com Python?

Você chegou ao fim do nosso tutorial interativo sobre listas em Python. Foi bastante conteúdo e um bom exercício — parabéns!

Listas são só uma parte, pequena mas essencial, da sua jornada com Python em data science. Tem muito mais para explorar! Nosso curso interativo Intro to Python for Data Science é perfeito para quem quer aprender mais sobre Python e como ele é usado em data science: ele começa do básico e leva você gradualmente a um nível intermediário, introduzindo NumPy. Perfeito para quem tem pouca experiência em programação!

Se você já é um usuário mais avançado, considere conferir nosso curso Intermediate Python For Data Science, feito para quem está pronto para levar suas habilidades para o próximo nível. Este curso vai te levar ainda mais longe! Ele introduz mais bibliotecas, como matplotlib e pandas, conceitos como lógica, controle de fluxo e loops, e inclui um estudo de caso para consolidar suas habilidades.

Já usa Python para data science mas quer ir além? Você pode se interessar pelo nosso curso Importing Data Into Python ou ler nossa série de tutoriais The importance of preprocessing in data science and the machine learning pipeline!