关键词 python、dict、data struct、python字典、python collections、dafultdict、Counter
Python 中字典是一种基本的数据结构，它将键与值联系起来，形成<Key - Value>的键值对形式，让我们可以通过键快速找到对应的值。
在这篇文章的以下内容，可以了解到以下内容：
- Python 字典的基础用法
- Python 字典的创建
- Python 字典的赋值
- Python 字典的查找
- Python字典作为简单的数据结构使用
- collections 包的两个工具使用
- dafaultdict
- Counter
Python 字典的基础用法
下面将通过 Python 字典的创建，赋值以及查找三个方面介绍 Python 字典的基础用法，以及最后通过利用 Python 构造一个简单的复合数据结构。
Python 字典创建
在 Python 中创建字典很简单，使用 { } 即可创建一个空字典，可以使用 : 来连接键和值，然后使用 , 分割多个键值对。
# 字典创建
empty_dict = {}
member = {"Lilei": 16, "Hanmeimei": 17}
Python 字典查询
Python 中的字典查询主要有两种方法，一种是用 [ ] 直接通过键名查询，另一种方法是通过 .get() 来获取键名。
# 查询
# Issue 1, 直接通过键名获取
print("Issue 1 : ", member["Lilei"])
# Issue 2, 通过 get 获取
print("Issue 2 : ", member.get("Lilei"))
# Issue 3, 如果通过 get 获取的键名不存在，返回默认值
print("Issue 3 : ", member.get("Mike"))
# Issue 4, 可以通过 get 获取，设置默认值，如果键名不存在，返回设置的默认值
print("Issue 4 : ", member.get("Mike", 18))
>>>>> 以下为程序输出结果 >>>>>
Issue 1 : 16
Issue 2 : 16
Issue 3 : None
Issue 4 : 18
Python 字典赋值
Python 字典赋值与 Python 字典查询类似，可以用 [ ] 来为指定的键赋值，如果被指定的键不存在，Python 会为你创建一个新的键值对。
# 赋值
# Issue 1, 直接通过方括号赋值
member["Lilei"] = 18
print("Issue 1 : ", member["Lilei"])
# Issue 2，通过方括号为不存在的键名创建新值
member["Tony"] = 20
print("Issue 2 : ", member["Tony"])
>>>>> 以下为程序输出结果 >>>>>
Issue 1 : 18
Issue 2 : 20
更深入的 Python 查找
在实际应用中，我们可能会尝试获取一个不存在的键名，这是，Python 会报出 KeyError 的错误，我们可以通过 try - except 捕获异常来处理，此外，我们也可以通过 in 来判断键名是否存在。
# 查找
# Issue 1 如果键名不存在与字典，会返回 KeyError 错误
try:
mike_member = member["Mike"]
except KeyError:
print("Issue 1 : Can not found member named: Mike")
# Issue 2 可以用 in 查找键是否存在
print("Issue 2 : Mike in member: ", "Mike" in member)
print("Issue 2: Lilei in member: ", "Lilei" in member)
>>>>> 以下为程序输出结果 >>>>>
Issue 1 : Can not found member named: Mike
Issue 2 : Mike in member: False
Issue 2: Lilei in member: True
字典作为简单复合数据结构使用
通常，我们可以使用类和对象表示一个实体，但一些情况下，为了方便，我们也可以通过字典来表示一个实体，以下代码演示通过字典来实验一个简单的 SNS 应用的一条消息实体，其中包含了用户名、信息内容以及用户标签。
weixin = {
"user": "Tony",
"text": "Python is the best language",
"hashtags": ["#python", "#java", "#data"]
}
# 获取键名
print("Key: ", weixin.keys())
# 获取键值
print("Value: ", weixin.values())
# 获取 键-值 元组列表
print("K-V tuple: ", weixin.items())
>>>>> 以下为程序输出结果 >>>>>
Key: dict_keys(['user', 'text', 'hashtags'])
Value: dict_values(['Tony', 'Python is the best language', ['#python', '#java', '#data']])
K-V tuple: dict_items([('user', 'Tony'), ('text', 'Python is the best language'), ('hashtags', ['#python', '#java', '#data'])])
collection 包的两个工具的使用
我们实际生产中，有很多情景需要统计个数，比如，统计一段文字里面单词出现个个数等，这时候，我们可以通过 Python 字典原生的功能实现，但通常情况下，使用 collections 包提供的 defaultdict 和 Counter 工具更为方便。
一下是一段来自维基百科对 Python 介绍的一段文字：
Python is a widely used high-level programming language for general-purpose programming, created by Guido van Rossum and first released in 1991. An interpreted language, Python has a design philosophy that emphasizes code readability notably using whitespace indentation to delimit code blocks rather than curly brackets or keywords, and a syntax that allows programmers to express concepts in fewer lines of code than might be used in languages such as C++ or Java.The language provides constructs intended to enable writing clear programs on both a small and large scale.
我们的目标是统计这一段文字里面，不同单词的出现个数。首先，我们需要先对这段文字进行一些处理，先清除标点符号，以及去除空格，将单词存放到一个字典里。
# 字典计数
raw_document = "Python is a widely used high-level programming language for general-purpose programming, created by Guido van Rossum and first released in 1991. An interpreted language, Python has a design philosophy that emphasizes code readability notably using whitespace indentation to delimit code blocks rather than curly brackets or keywords, and a syntax that allows programmers to express concepts in fewer lines of code than might be used in languages such as C++ or Java.The language provides constructs intended to enable writing clear programs on both a small and large scale."
# 去标点符号
non_punctuation_document = raw_document.replace(",", "").replace(".", "")
document = non_punctuation_document.split(" ")
接下来，我们尝试使用 Python 字典原生的方法来统计个数
# Issue 1， 使用字典原生方法统计个数
word_counts = {}
for word in document:
previous_count = word_counts.get(word, 0)
word_counts[word] = previous_count + 1
print("Issue 1, count the words in document: ", word_counts)
>>>>> 以下为程序输出结果 >>>>>
Issue 1, count the words in document: {'Python': 2, 'is': 1, 'a': 4, 'widely': 1, 'used': 2, 'high-level': 1, 'programming': 2, 'language': 3, 'for': 1, 'general-purpose': 1, 'created': 1, 'by': 1, 'Guido': 1, 'van': 1, 'Rossum': 1, 'and': 3, 'first': 1, 'released': 1, 'in': 3, '1991': 1, 'An': 1, 'interpreted': 1, 'has': 1, 'design': 1, 'philosophy': 1, 'that': 2, 'emphasizes': 1, 'code': 3, 'readability': 1, 'notably': 1, 'using': 1, 'whitespace': 1, 'indentation': 1, 'to': 3, 'delimit': 1, 'blocks': 1, 'rather': 1, 'than': 2, 'curly': 1, 'brackets': 1, 'or': 2, 'keywords': 1, 'syntax': 1, 'allows': 1, 'programmers': 1, 'express': 1, 'concepts': 1, 'fewer': 1, 'lines': 1, 'of': 1, 'might': 1, 'be': 1, 'languages': 1, 'such': 1, 'as': 1, 'C++': 1, 'JavaThe': 1, 'provides': 1, 'constructs': 1, 'intended': 1, 'enable': 1, 'writing': 1, 'clear': 1, 'programs': 1, 'on': 1, 'both': 1, 'small': 1, 'large': 1, 'scale': 1}
使用 collections 的 dafaultdict 来统计单词出现个数
dafaultdict 相当于一个标准的字典，除了当前查找一个没有包含在内的键时，它会通过提供的零参数函数自动建立一个新键，并为它的值增加 1，使用 dafaultdict 的方法如下：
# Issue 2, 使用 defaultdict 统计词个数
from collections import defaultdict
word_counts = defaultdict(int)
for word in document:
word_counts[word] += 1
print("Issue 2, count the words in document by defaultdict: ", word_counts)
>>>>> 以下为程序输出结果 >>>>>
Issue 2, count the words in document by defaultdict: defaultdict(<class 'int'>, {'Python': 2, 'is': 1, 'a': 4, 'widely': 1, 'used': 2, 'high-level': 1, 'programming': 2, 'language': 3, 'for': 1, 'general-purpose': 1, 'created': 1, 'by': 1, 'Guido': 1, 'van': 1, 'Rossum': 1, 'and': 3, 'first': 1, 'released': 1, 'in': 3, '1991': 1, 'An': 1, 'interpreted': 1, 'has': 1, 'design': 1, 'philosophy': 1, 'that': 2, 'emphasizes': 1, 'code': 3, 'readability': 1, 'notably': 1, 'using': 1, 'whitespace': 1, 'indentation': 1, 'to': 3, 'delimit': 1, 'blocks': 1, 'rather': 1, 'than': 2, 'curly': 1, 'brackets': 1, 'or': 2, 'keywords': 1, 'syntax': 1, 'allows': 1, 'programmers': 1, 'express': 1, 'concepts': 1, 'fewer': 1, 'lines': 1, 'of': 1, 'might': 1, 'be': 1, 'languages': 1, 'such': 1, 'as': 1, 'C++': 1, 'JavaThe': 1, 'provides': 1, 'constructs': 1, 'intended': 1, 'enable': 1, 'writing': 1, 'clear': 1, 'programs': 1, 'on': 1, 'both': 1, 'small': 1, 'large': 1, 'scale': 1})
我们可以看到，使用 defaultdict 代码量会比直接使用字典简单，而且输出的结果是一样的。
使用 collections 的 Counter 来统计单词数目
除了统计单词数目外，我们在实际中可能更需要经过筛选处理的结果，这里我们使用 Counter 可以列出单词出现个数排名前十的单词及其出现的次数，具体代码如下：
# Issue 3， 使用 Counter 统计词个数
from collections import Counter
word_counts = Counter(document)
for word, count in word_counts.most_common(10):
print("Issue 3, most common word in documents: ", word, count)
>>>>> 以下为程序输出结果 >>>>>
Issue 3, most common word in documents: a 4
Issue 3, most common word in documents: language 3
Issue 3, most common word in documents: and 3
Issue 3, most common word in documents: in 3
Issue 3, most common word in documents: code 3
Issue 3, most common word in documents: to 3
Issue 3, most common word in documents: Python 2
Issue 3, most common word in documents: used 2
Issue 3, most common word in documents: programming 2
Issue 3, most common word in documents: that 2
总结
通过这篇文章，我们回顾了 Python 字典的基本用法，之后通过一个简单的实例，尝试了使用 collections 提供的 defaultdict 以及 Counter 包，了解如何通过字典来统计数目。
参考资料
[1] Joel Grus. 数据科学入门(第2章 Python速成) [978-7-115-41741-1].人民邮电出版社
