Python基础笔记(三)--字典

创建字典

有以下几种方式创建一个字典:

a = {'one': 1, 'two': 2, 'three': 3}
b = dict(one=1, two=2, three=3)
c = dict([('one', 1), ('two', 2), ('three', 3)])
d = dict(zip(['one', 'two', 'three'], [1, 2, 3]))
e = dict({'one': 1, 'two': 2, 'three': 3})
print(a,b,c,d,e) // {'three': 3, 'two': 2, 'one': 1}
print(a == b == c == d == e) // true

除此之外,还可以用字典推导快速创建一个字典。

字典推导(dictcomp)

字典推导可以从任何以键值对作为元素的可迭代对象中构建出字典:

data = [
    ('John','CEO'),
    ('Nacy','hr'),
    ('LiLei','engineer')
]
employee = {name:work for name, work in data}
print(employee)

输出:

{'Nacy': 'hr', 'LiLei': 'engineer', 'John': 'CEO'}

字典查找

根据key值直接查找

print(employee['John']) // CEO

如果字典中没有找到对应的Key值,会抛出KeyError:

print(employee['Joh'])

Traceback (most recent call last):
  File "D:/PythonWorkSpace/FluentPython/c3/c3-1.py", line 8, in <module>
    print(employee['Joh'])
KeyError: 'Joh'

使用get(key,default)方法查询

使用dic[key]方法查找时,如果找不到对应的key值,会抛出异常,但是如果使用dic.get(key, default)方法查找时,如果找不到对应的key值,会返回默认值default:

print(employee.get('Nacy','UnKnown')) // hr
print(employee.get('Nac','UnKnown')) // UnKnown

更新字典

1.使用dict[key] = value直接赋值:
当key存在时,更新这个key对应的值;否则插入新的key-value对

2.使用dict.update(dict1)方法将dict1的值插入到dictz中:

employee.update({'LiLei': 'scientist','Lionel': 'player'})
 //{'Lionel': 'player', 'LiLei': 'scientist', 'John': 'CEO', 'Nacy': 'hr'}

如果dict1中的key值在dict中存在,则更新dict中这个值;否则在dict中插入一个新的键值对

3.使用setdefault
考虑这样一个场景:你是西甲联赛数据库管理员,负责管理西甲20支球队的球员列表,我们可以定义一个这样的字典:

teams = {'Barcelona':['Messi', 'Suarez', 'Neymar'],
         'Real Madrid':['Ronaldo', 'Bale', 'Benzema']}

此时想把Atletico Madrid加到字典中,并更新它的球员名单为Torres,我们可以用update方法或者直接赋值:

teams.update({'Atletico Madrid':['Torres']})

假设这时Barcelona转会来了Verratti(要是真来了,做梦都能笑醒),一种方法是先根据‘Barcelona’这个key获取一个list,在这个list中插入'Veratti',然后将新的list值赋给Barcelona,示例代码如下:

list_Bar = teams.get('Barcelona',[])
list_Bar.append('Verratti')   -------1
teams['Barcelona'] = list_Bar ------2
print(teams)
// {'Atletico Madrid': ['Torres'], 'Barcelona': ['Messi', 'Suarez', 'Neymar', 'Verratti'], 'Real Madrid': ['Ronaldo', 'Bale', 'Benzema']}

这其实不是一个很好的实现,因为1和2都涉及到了查询操作,我们可以使用setdefault简化代码和减少查询操作。使用setdefault的实现如下:

teams.setdefault('Barcelona',[]).append('Verratti')

上面一行代码就完成了查询赋值的操作,不但简化了代码,还提升了效率(因为只涉及一次查询操作)。

字典变种

collections.OrderedDict

这个类型在添加键的时候会保持顺序,因此键的迭代次序总是一致的。

collections.ChainMap

该类型可以容纳数个不同的映射对象,然后在进行键查找操作的时候,这些对象会被当作一个整体被逐个查找,直到键被找到为止。

collections.Counter

这个映射类型会给键准备一个整数计数器。每次更新一个键的时候都会增加这个计数器。

import collections
d = collections.Counter('banana')
print(d)

// 输出:Counter({'a': 3, 'n': 2, 'b': 1})

colllections.UserDict

这个类是让用户来继承实现子类的。
使用UserDict作为基类来创建子类比以普通的dict为基类要来的方便。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,406评论 6 503
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,732评论 3 393
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,711评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,380评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,432评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,301评论 1 301
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,145评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,008评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,443评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,649评论 3 334
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,795评论 1 347
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,501评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,119评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,731评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,865评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,899评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,724评论 2 354

推荐阅读更多精彩内容