Python是一门高效简洁的编程语言，不仅拥有强大的语言特性，还支持多种数据结构。本文将介绍Python中的5种高效数据结构及其应用。

1. 列表(List)

Python中最常用的数据结构之一是列表(List)，它是一个有序集合，可以容纳任何类型的数据。列表可以进行基本操作，如增加、删除和修改元素，以及查询、排序和反转列表。例如，以下示例演示如何创建和操作Python列表。

```
#创建一个列表
my_list = [1, 2, 3, 4, 5]

#添加元素
my_list.append(6)

#删除元素
my_list.remove(2)

#修改元素
my_list[0] = 0

#查询元素
print(my_list[2])

#反转列表
my_list.reverse()

#排序列表
my_list.sort()

print(my_list)
```
输出结果如下：

```
[0, 3, 4, 5, 6]
```

2. 元组(Tuple)

元组(Tuple)和列表(List)很相似，但它们是不可变的有序序列。这意味着一旦创建，就不能修改元组中的元素。由于元组的不可变性，它们比列表更快、更安全，因此适合在代码中作为常量或只读数据使用。以下示例演示如何创建和操作Python元组。

```
#创建一个元组
my_tuple = (1, 2, 3, 4, 5)

#查询元素
print(my_tuple[2])

#反转元组
reversed_tuple = my_tuple[::-1]

#连接元组
concatenated_tuple = my_tuple + reversed_tuple

print(concatenated_tuple)
```

输出结果如下：

```
(1, 2, 3, 4, 5, 5, 4, 3, 2, 1)
```

3. 集合(Set)

集合(Set)是Python中另一个常用的数据结构，它是一个无序不可重复的集合。集合可以用于快速的判断成员资格、交集、并集和差集等常见操作。以下示例演示如何创建和操作Python集合。

```
#创建一个集合
my_set = {1, 2, 3, 4, 5}

#添加元素
my_set.add(6)

#删除元素
my_set.remove(2)

#判断成员资格
print(3 in my_set)

#计算交集
other_set = {4, 5, 6, 7, 8}
intersection = my_set.intersection(other_set)

#计算并集
union = my_set.union(other_set)

print(intersection)
print(union)
```

输出结果如下：

```
True
{4, 5}
{1, 3, 4, 5, 6, 7, 8}
```

4. 字典(Dictionary)

字典(Dictionary)是Python中最常用的映射类型，它是一个无序的键值对集合。字典可以用于存储和查询数据，也可以用于枚举和计数等操作。以下示例演示如何创建和操作Python字典。

```
#创建一个字典
my_dict = {'name': 'Bob', 'age': 30, 'gender': 'male'}

#查询元素
print(my_dict['name'])

#删除元素
del my_dict['age']

#修改元素
my_dict['gender'] = 'female'

#计算字典长度
print(len(my_dict))

#枚举键和值
for key, value in my_dict.items():
    print(key, value)
```

输出结果如下：

```
Bob
2
name Bob
gender female
```

5. 堆(Heap)

Python中的堆(Heap)是一种可以快速找到最小值或最大值的数据结构。堆有两种类型：最小堆和最大堆。最小堆保证堆顶元素是所有元素中的最小值，而最大堆保证堆顶元素是所有元素中的最大值。以下示例演示如何使用Python堆。

```
#使用最小堆
import heapq

#创建一个列表
my_list = [5, 7, 9, 1, 3]

#将列表转换成堆
heapq.heapify(my_list)

#获取堆顶元素
print(heapq.heappop(my_list))
print(heapq.heappop(my_list))
print(heapq.heappop(my_list))
```

输出结果如下：

```
1
3
5
```

综上所述，Python中有多种高效的数据结构可供选择，它们可以满足不同的需求。对于不同的问题，我们可以选择合适的数据结构来提高算法的效率和可读性。