python字典

本篇将介绍Python里面的字典,更多内容请参考:Python学习指南

Python是什么?

Python内置了字典dict的支持,dict全称dictionary,在其他语言中也称为map,使用键-值对(key-value)存储,具有极快的查找速度。
举个例子,假设要根据同学的名字查找对应的成绩,如果用list实现,需要两个list:

>>>names = ['Michael', 'Bob', 'Tracy']
>>>scores = [95, 75, 85]

给定一个名字,要查找相应的速度,就先要在names中找到相应的位置,再从scores中取出对应的成绩,list越长,耗时越长,明显不是一种很好的解决方法。
如果用dict实现,只需要一个"名字-成绩"的对照表,直接根据名字查找成绩,无论这个表有多大,查找速度都不会变慢。用Python写一个dict如下:

>>>d = {"Michael": 95}
>>>d['Michael']

为什么dict查找速度这么快?因为dict的实现原理和查字典是一样的。假设字典包含了1万个汉字,我们要查某一个字,一个办法是把字典从第一页往后翻,知道找到我们想要的字为止,这种方法就是list中查找元素的方法,list越大,查找越慢。
第二种方法时先在字典的索引表里(比如部首表)查这个字对应的页码,然后直接翻到该页,找到这个字。无论找哪个字,这种查找速度都非常快,不会随着字典大小的增加而编码。
dict的第二种实现方式,给定一个名字,比如'Michael',dict在内部就可以直接计算出Michael对应的存放成绩的"页码",也就是95这个数字存放的内存地址,直接取出来,所以速度非常快。
你可以猜到,这种key-value存储方式,在放进去的时候,必须根据key算出value的存放位置,这样,取的时候才能根据key直接拿到value。

注意:dict的键必须是唯一的,但值则不必,键必须是不可变的,如字符串,数字或元祖。

字典的操作

字典的增删改查

字典的创建

#创建一个字典key:value形式,每个键值对之间以','分隔
dict = {'Alice':'2341', 'Beth':'9102', 'Cecil':'3258'}
#因为dict是可变的,也可以创建一个空的字典
dict = {}

字典的取值
字典的取值类似于列表,只不过列表是把键放入方括弧中,而列表放的是列表的下标。

>>>dict = {'Name': 'Zara', 'Age': 7, 'Class': 'First'}
>>>print "dict['Name']: ", dict['Name']
dict['Name']:Zare
>>>print "dict['Age']: ", dict['Age']
dict['Age']:7

#如果字典中没有对应键,就会报如下错误
Traceback (most recent call last):
  File "test.py", line 5, in <module>
    print "dict['Alice']: ", dict['Alice'];
KeyError: 'Alice'

修改字典元素

>>>dict = {'Name': 'Zara', 'Age': 7, 'Class': 'First'};
>>>dict['Age'] = 8; # 键存在就更新
>>>dict['School'] = "DPS School"; # 键不存在就新增
>>>dict
{'Name': 'Zara', 'Age': 8, 'Class': 'First',"School": "DPS School"}

删除字典元素
能删除单一的元素也能清空字典,清空只需一项操作。
显示删除一个字典用del命令,如下实例:

dict = {"Name":"Zara", "Age":7, "Class":"First"}
del dict['Name']  #删除键是'Name'的条目
dict.clear()      #清空字典所有条目
del dict          #删除字典
#注意:使用del以后字典结构都不存在,会报个错。
dict['Age']
Traceback (most recent call last):
  File "test.py", line 8, in <module>
    print "dict['Age']: ", dict['Age'];
TypeError: 'type' object is unsubscriptable

字典的查询

遍历字典主键与键值

>>>nameinfo{"a1":"yangrong"}
>>>for k, value in nameinfo.items():
        print k,value
a1 yangrong

查看字典所有主键

>>>dict = {'ob1':'computer','ob2':'mouse', 'ob3':'printer'}
>>>dict.keys()
['ob2', 'ob3', 'ob1']
>>> for k in d.keys():
        print dict[k]

判断字典中是否有该主键

>>>dict.keys()
['ob2', 'ob3', 'ob1']
>>>dict.has_key('ob2')    #或者'ob2' in dict

查看字典里所有键值内容

>>>dict = {'ob1':"computer", "ob2":"mouse", "ob3":"printer"}
>>>dict.values()
['mouse', 'printer', 'computer']

列出所有项目

>>>dict.items()
[('ob2','mouse'), ('ob3', 'printer'), ('ob1', 'computer')]

拷贝字典

>>> dict = {'ob1': "12", "ob2":"asdf", "ob3":"asdf"}
>>> 'ob1' in dict
True
>>> a = dict.copy()
>>> id(a)
35455592L
>>> id(dict)
30770040L
>>> a['ob1'] = "chenqi"
>>> dict
{'ob2': 'asdf', 'ob3': 'asdf', 'ob1': '12'}
>>> a
{'ob2': 'asdf', 'ob3': 'asdf', 'ob1': 'chenqi'}
>>>

拷贝的两个字典不是指向同一块内存区。

合并两个字典

dict1={1:[1,11,111],2:[2,22,222]}
dict2={3:[3,33,333],4:[4,44,444]}

#方法一
dictMerged1=dict(dict1.items()+dict2.items())

#方法二
dictMerged2=dict(dict1, **dict2)

#方法二等同于
dictMerged=dict1.copy()
dictMerged.update(dict2)

Python内置函数&方法

Python字典包含了以下内置函数:

  1. cmp(dict1, dict2):比较两个字典元素。
  2. len(dict):计算字典元素个数,即键的总数。
  3. str(dict):输出字典可打印的字符串表示。
  4. type(variable):返回输入的变量类型,如果变量是字典就返回字典类型。

Python字典包含了以下内置方法:

  1. radiansdict.clear():删除字典内所有元素
  2. radiansdict.copy():返回一个字典的浅复制,关于Python的深拷贝、浅拷贝参考Python 直接赋值、浅拷贝和深度拷贝解析
  3. radiansdict.fromkeys():创建一个新字典,以序列seq中元素做字典的键,val为字典所有键对应的初始值
  4. radiansdict.get(key, default=None):返回指定键的值,如果值不在字典中返回default值
  5. radiansdict.has_key(key):如果键在字典dict里返回true,否则返回false(python3中已经去掉了,使用in更符合python)
  6. radiansdict.items():以列表返回可遍历的(键, 值) 元组数组
  7. radiansdict.keys():以列表返回一个字典所有的键
  8. radiansdict.setdefault(key, default=None):和get()类似, 但如果键不已经存在于字典中,将会添加键并将值设为default
  9. radiansdict.update(dict2):把字典dict2的键/值对更新到dict里
  10. radiansdict.values():以列表返回字典中的所有值
  11. radiansdict.popitem():Python 字典 popitem() 方法随机返回并删除字典中的一对键和值(一般删除末尾对)。
    如果字典已经为空,却调用了此方法,就报出KeyError异常。
  12. radiansdict.pop(key[,default]):Python 字典 pop() 方法删除字典给定键 key 所对应的值,返回值为被删除的值。key值必须给出。 否则,返回default值。

参考

  1. Python 字典(Dictionary)
  2. python_字典集合
  3. 廖雪峰(dict与set)
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 194,670评论 5 460
  • 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 81,928评论 2 371
  • 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 141,926评论 0 320
  • 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 52,238评论 1 263
  • 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 61,112评论 4 356
  • 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 46,138评论 1 272
  • 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 36,545评论 3 381
  • 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 35,232评论 0 253
  • 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 39,496评论 1 290
  • 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 34,596评论 2 310
  • 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 36,369评论 1 326
  • 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 32,226评论 3 313
  • 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 37,600评论 3 299
  • 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 28,906评论 0 17
  • 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 30,185评论 1 250
  • 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 41,516评论 2 341
  • 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 40,721评论 2 335

推荐阅读更多精彩内容

  • 一、字典基本操作 基本语法:dict = {'ob1':'computer', 'ob2':'mouse', 'o...
    古佛青灯度流年阅读 2,615评论 0 1
  • 字典dict python内置了字典,使用键-值(key-value)存储。键必须是唯一的,但值则不必。特点是速度...
    光刃小刀阅读 2,226评论 0 0
  • 1 字典基础操作 1.1 创建字典 通过{}操作符创建字典aDict = {'name':'ke', 'age':...
    Ke爺阅读 569评论 0 0
  • 1. 简介 只有可散列的数据类型才能作为字典的键,原子不可变数据类型(str、bytes 和数值类型)都是可散列类...
    第八共同体阅读 310评论 0 0
  • 小强晚上和两个同事一起下馆子。公司处于比较偏僻的开发区,周围比较荒凉。好在公司内部有宿舍,上班比较方便。平时大家也...
    芦说阅读 427评论 3 0