Python—字典黑魔法

python中三大数据结构,列表、字典、集合,字典是平时处理数据所用到的做多的,以此记录几个字典使用时黑魔法(骚操作)。

有一个原始序列数据:

info = {
     "info1":
         {"name": "Limin", "age": 20, "height": 176, "score": 90},
     "info2":
         {"name": "jenny", "age": 14, "height": 140, "score": 98},
     "info3":
         {"name": "tonya", "age": 26, "height": 180, "score": 82},
     "info4":
         {"name": "suyoo", "age": 22, "height": 165, "score": 89},
     }

1. 字典排序
现在需要将 info按照身高进行排序,并输出到一个列表里。当然是选择so strong
sorted()函数了

In [2]: info                                                                                                                                                                                                     
Out[2]: 
{'info1': {'age': 20, 'height': 176, 'name': 'Limin', 'score': 90},
 'info2': {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98},
 'info3': {'age': 26, 'height': 180, 'name': 'tonya', 'score': 82},
 'info4': {'age': 22, 'height': 165, 'name': 'suyoo', 'score': 89}}

In [3]: sorted(info.items(), key=lambda x: x[1]['height'])                                                                                                                                                       
Out[3]: 
[('info2', {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98}),
 ('info4', {'age': 22, 'height': 165, 'name': 'suyoo', 'score': 89}),
 ('info1', {'age': 20, 'height': 176, 'name': 'Limin', 'score': 90}),
 ('info3', {'age': 26, 'height': 180, 'name': 'tonya', 'score': 82})]

现在需要是需要升高由大到小呢

In [4]: sorted(info.items(), key=lambda x: x[1]['height'], reverse=True)                                                                                                                                         
Out[4]: 
[('info3', {'age': 26, 'height': 180, 'name': 'tonya', 'score': 82}),
 ('info1', {'age': 20, 'height': 176, 'name': 'Limin', 'score': 90}),
 ('info4', {'age': 22, 'height': 165, 'name': 'suyoo', 'score': 89}),
 ('info2', {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98})]

如果不想要infox字样了呢,so easy

In [5]: sorted(info.values(),key=lambda x:x['height'])                                                                                                                                                           
Out[5]: 
[{'age': 14, 'height': 140, 'name': 'jenny', 'score': 98},
 {'age': 22, 'height': 165, 'name': 'suyoo', 'score': 89},
 {'age': 20, 'height': 176, 'name': 'Limin', 'score': 90},
 {'age': 26, 'height': 180, 'name': 'tonya', 'score': 82}]

so,可以看到字典暗黑魔法之一的 sorted() 是不是very强大,不过此处需要注意的是info字典本身并没有发生变化,变化的仅是返回值

2. 字典数据筛选(字典推导式)
现在需要筛选出info中成绩大于等于90的学生信息,这时候就该写一个函数了。

result={}
for key,value in info.items():
    for i,k in value.items():
        if i == "score" and k >= 90:
            result[key]=value
print(result)  
                                                                                                                                                                                            
>>>
{'info1': {'age': 20, 'height': 176, 'name': 'Limin', 'score': 90},
 'info2': {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98}}

是不是看似很完美,but,python中有一个叫推导式(划重点)的东西,为何不用呢

In [9]: info                                                                                                                                                                                                     
Out[9]: 
{'info1': {'age': 20, 'height': 176, 'name': 'Limin', 'score': 90},
 'info2': {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98},
 'info3': {'age': 26, 'height': 180, 'name': 'tonya', 'score': 82},
 'info4': {'age': 22, 'height': 165, 'name': 'suyoo', 'score': 89}}

In [10]: {key:value for key,value in info.items() if value["score"] >= 90}                                                                                                                                       
Out[10]: 
{'info1': {'age': 20, 'height': 176, 'name': 'Limin', 'score': 90},
 'info2': {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98}}

结果一模一样有木有,仅仅一行代码,很强大的推导式。

3. 字典的计算
现在需要取出info中成绩最好和最坏的两名学生,当然不是用目测法。假如1000条数据,我相信目测法还是可以试试的。
还是先用万能的函数吧。

# 函数
result={}
score= [x["score"] for x in info.values()]
for key,value in info.items():
    for i,k in value.items():
        if i == "score" and k in [max(score), min(score)]:
            result[key]=value
print(result)
>>>
{'info2': {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98},
 'info3': {'age': 26, 'height': 180, 'name': 'tonya', 'score': 82}}

# 列表推导式法
score= [x["score"] for x in info.values()]
print({k:v for k,v in info.items() if v["score"] in [max(score), min(score)]})
>>>
{'info2': {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98},
 'info3': {'age': 26, 'height': 180, 'name': 'tonya', 'score': 82}}

4. 字典的键值翻转(一道经典面试题)
就是将上面info字典中的值(也就是第二层字典)中的键值对调,假如不存在重复键的情况。

# 函数解法
result = {}
for key, value in info.items():
    result1 = {}
    for i,v in value.items():
        result1[i]=v
    result[key] = result1
print(result)

>>>
{'info1': {176: 'height', 20: 'age', 90: 'score', 'Limin': 'name'},
 'info2': {14: 'age', 140: 'height', 98: 'score', 'jenny': 'name'},
 'info3': {180: 'height', 26: 'age', 82: 'score', 'tonya': 'name'},
 'info4': {165: 'height', 22: 'age', 89: 'score', 'suyoo': 'name'}}

再来看看推倒式解法,一句话,有木有很强大

In [28]: info                                                                                                                                                                                                    
Out[28]: 
{'info1': {'age': 20, 'height': 176, 'name': 'Limin', 'score': 90},
 'info2': {'age': 14, 'height': 140, 'name': 'jenny', 'score': 98},
 'info3': {'age': 26, 'height': 180, 'name': 'tonya', 'score': 82},
 'info4': {'age': 22, 'height': 165, 'name': 'suyoo', 'score': 89}}
In [29]: {k:{i:v for v,i in info[k].items()} for k in info}                                                                                                                                                      
Out[29]: 
{'info1': {176: 'height', 20: 'age', 90: 'score', 'Limin': 'name'},
 'info2': {14: 'age', 140: 'height', 98: 'score', 'jenny': 'name'},
 'info3': {180: 'height', 26: 'age', 82: 'score', 'tonya': 'name'},
 'info4': {165: 'height', 22: 'age', 89: 'score', 'suyoo': 'name'}}

©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 222,252评论 6 516
  • 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 94,886评论 3 399
  • 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 168,814评论 0 361
  • 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 59,869评论 1 299
  • 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 68,888评论 6 398
  • 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 52,475评论 1 312
  • 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 41,010评论 3 422
  • 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 39,924评论 0 277
  • 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 46,469评论 1 319
  • 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 38,552评论 3 342
  • 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 40,680评论 1 353
  • 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 36,362评论 5 351
  • 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 42,037评论 3 335
  • 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 32,519评论 0 25
  • 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 33,621评论 1 274
  • 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 49,099评论 3 378
  • 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 45,691评论 2 361

推荐阅读更多精彩内容