Listen, Tupel, Dictionaries, Sets

Eine einzelne Variable hält genau einen Wert. Aber sobald du mit echten Daten arbeitest, brauchst du Container die viele Werte zusammenhalten: eine Liste von Kunden, ein Wörterbuch mit Vokabeln, eine eindeutige Sammlung an Tags. Python hat dafür vier eingebaute Datenstrukturen: Listen, Tupel, Dictionaries und Sets. Die Wahl der richtigen Datenstruktur ist eine der wichtigsten Entscheidungen beim Programmieren – und Python macht sie dir leicht.

Wer aus Java kommt: Python-Listen sind nicht mit Java-Arrays vergleichbar – sie sind viel mächtiger (eher wie ArrayList). Und während du in Java für Maps und Sets extra-Klassen importieren musst, sind sie in Python eingebaut und haben elegante Spezial-Syntax.

1) Die vier Datenstrukturen im Überblick

Vergleichen wir sie nebeneinander – nach drei Achsen: wie deklariert man sie, was kann man drin speichern, und sind sie veränderbar?

Die vier eingebauten Datenstrukturen

list

[1, 2, 3]

Geordnet: ✓
Duplikate: ✓
Veränderbar: ✓
Indexiert: ✓
Wofür? Standard für Reihenfolge wichtig

tuple

(1, 2, 3)

Geordnet: ✓
Duplikate: ✓
Veränderbar: ✗
Indexiert: ✓
Wofür? Konstante Datensätze, Koordinaten

dict

{"a": 1}

Geordnet: ✓ (3.7+)
Duplikate: Keys: ✗
Veränderbar: ✓
Indexiert: per Key
Wofür? Schlüssel→Wert-Paare

set

{1, 2, 3}

Geordnet: ✗
Duplikate: ✗
Veränderbar: ✓
Indexiert: ✗
Wofür? Einzigartige Werte, Mengenlehre

Wichtiger Unterschied: list und dict sind veränderbar (du kannst Elemente hinzufügen/entfernen) – tuple ist es nicht (einmal erstellt, fix). Frozen-Set existiert auch als unveränderbare Variante des Sets. Welche Datenstruktur die richtige ist, hängt davon ab WAS du speichern und WIE du drauf zugreifen willst.

2) Listen – die Allzweckwaffe

Eine Liste ist eine geordnete, veränderbare Sammlung. Du erstellst sie mit eckigen Klammern. Anders als in Java-Arrays kannst du verschiedene Typen mischen – wobei das in der Praxis selten gemacht wird:

zahlen = [10, 20, 30, 40, 50] namen = ["Anna", "Bob", "Carla"] gemischt = [1, "hallo", True, [2, 3]] # geht, aber unschön leer = []

Probier hier die wichtigsten Operationen aus – klick eine Methode und sieh wie sich die Liste ändert:

Listen-Operationen ausprobieren

Aktuelle Liste

[10, 20, 30, 40, 50]

.append(99)

Hängt ein Element ans Ende

.insert(2, 99)

Fügt an Position 2 ein

.pop()

Entfernt das letzte

.remove(30)

Entfernt erstes Vorkommen

.sort()

Sortiert in-place

.reverse()

Dreht Reihenfolge

len(liste)

Anzahl Elemente

liste[1:4]

Slicing: Teilliste

Klick eine Operation

Slicing ist eines der mächtigsten Features in Python: liste[start:stop:step] liefert eine Teilliste. liste[::-1] dreht eine Liste um. liste[1:4] liefert Elemente an Position 1, 2, 3 (stop nicht enthalten – wie bei range()). Slicing funktioniert auch mit Strings: "Python"[0:2] → "Py".

3) Tupel – unveränderliche Listen

Tupel sehen aus wie Listen mit runden Klammern statt eckigen. Der entscheidende Unterschied: du kannst sie nach der Erstellung nicht mehr ändern. Versuchst du es, gibt's einen TypeError. Wofür ist das nützlich? Für Werte die unveränderlich sein sollen – z.B. Koordinaten (x, y), RGB-Farben (255, 128, 0), oder ganze Datensätze:

punkt = (10, 20) rgb = (255, 128, 0) person = ("Anna", 25, "Berlin") # Zugriff per Index wie bei Listen print(punkt[0]) # 10 # Tupel-Unpacking – sehr pythonic! x, y = punkt name, alter, stadt = person # Aber: ändern geht NICHT punkt[0] = 100 # TypeError!

Eine besonders elegante Anwendung: Funktionen die mehrere Werte zurückgeben liefern eigentlich ein Tupel zurück, das man dann unpacken kann. Mehr dazu in Lektion 6 – Funktionen.

4) Dictionaries – Schlüssel-Wert-Paare

Ein Dictionary (kurz: dict) ist eine Sammlung von Schlüssel-Wert-Paaren. Statt mit einem Index (0, 1, 2, ...) greifst du mit einem Schlüssel (meist String) auf den Wert zu. Das entspricht der HashMap in Java oder einem JSON-Objekt in JavaScript:

Dictionary-Operationen

Aktuelles dict

d["name"]

Wert per Key lesen

d["land"] = "Italien"

Neuer Eintrag oder ändern

del d["alter"]

Eintrag löschen

"name" in d

Existiert der Key?

d.get("x", "default")

Mit Default-Wert (kein KeyError)

d.keys() / .values()

Alle Keys/Werte

Klick eine Operation

Zugriff auf nicht-existierende Keys: d["unbekannt"] wirft einen KeyError. Sicherer: d.get("unbekannt") liefert None bei fehlendem Key – oder du gibst einen Default-Wert mit: d.get("unbekannt", "kein Wert"). Über ein dict iterieren: for k in d: liefert die Keys. for k, v in d.items(): liefert Key-Wert-Paare (oft kombiniert mit der enumerate-ähnlichen Technik aus Lektion 4).

5) Sets – einzigartige Werte und Mengenoperationen

Ein Set ist eine Sammlung in der jeder Wert nur einmal vorkommt. Reihenfolge gibt es nicht. Wofür? Wenn du z.B. alle einzigartigen Wörter in einem Text finden willst, oder zwei Mengen vergleichst:

# Aus einer Liste mit Duplikaten ein Set machen zahlen = [1, 2, 2, 3, 3, 3, 4] einzigartig = set(zahlen) # {1, 2, 3, 4} # Mengen-Operationen wie in der Mathematik a = {1, 2, 3, 4} b = {3, 4, 5, 6} a | b # Vereinigung → {1, 2, 3, 4, 5, 6} a & b # Schnittmenge → {3, 4} a - b # Differenz → {1, 2} a ^ b # Symm. Differenz → {1, 2, 5, 6} 3 in a # True – sehr schnell prüfbar!

Sets sind besonders performant für die Frage „enthält die Sammlung Element X?" – das geht in fast konstanter Zeit, während eine Liste durchsucht werden muss. Wenn du nur diese Frage brauchst, ist Set die richtige Wahl. Mehr zur Performance in K39 – O-Notation.

6) Welche Struktur wofür? Eine Entscheidungshilfe

Die wichtigste Skill ist nicht die Syntax, sondern die richtige Datenstruktur zu wählen. Hier eine kurze Entscheidungshilfe:

Wenn du brauchst...	Nimm	Beispiel
Geordnete Sammlung, veränderbar	list	Todo-Liste, Aufgaben-Queue, Schüler-Punkte
Feste Zusammenfassung von Werten	tuple	Koordinaten, RGB-Farbe, Datenbankzeile
Schnellzugriff per Name/Key	dict	Konfiguration, Wörterbuch, JSON-Daten
Eindeutige Werte, schnelle „enthält?"-Prüfung	set	Tag-Liste, eindeutige IDs, Mengen-Logik
2D-Tabelle	list of lists	Spielfeld, Matrix, Tabellendaten
Komplexe Objekte mit Verhalten	Klasse	Siehe K41b OOP

7) Verschachtelte Strukturen

Die richtige Power kommt durch Kombination. Eine Liste von Dictionaries ist eine sehr häufige Struktur – z.B. wenn du Daten aus einer Datenbank oder einer JSON-Datei liest:

schueler = [ {"name": "Anna", "alter": 16, "noten": [90, 85, 78]}, {"name": "Bob", "alter": 17, "noten": [65, 72, 80]}, {"name": "Carla", "alter": 16, "noten": [95, 88, 92]}, ] # Zugriff: Liste-Index → Dict-Key → ggf. Liste-Index print(schueler[0]["name"]) # Anna print(schueler[2]["noten"][0]) # 95 # Durchlaufen mit Schleifen-Tools aus L4 for s in schueler: schnitt = sum(s["noten"]) / len(s["noten"]) print(f"{s['name']}: {schnitt:.1f}")

Zusammenfassung

Vier eingebaute Datenstrukturen: list [ ] – geordnet, veränderbar, Standard. tuple ( ) – geordnet, unveränderbar. dict { k: v } – Schlüssel-Wert-Paare, key-basierter Zugriff. set { x, y } – einzigartige Werte, ungeordnet, schnelle „enthält?"-Prüfung. Listen: append, insert, pop, remove, sort, slicing mit [a:b:s]. Dicts: d[k], d.get(k, default), in, items(). Sets: |, &, -, ^ für Mengen-Operationen. Tuple-Unpacking: x, y = (1, 2). Verschachtelte Strukturen (Liste von Dicts) sind sehr häufig für reale Daten.