Python基础：映射（字典） |
您所在的位置：网站首页 › python定义字典变量 › Python基础：映射（字典） |
|
一、概述
映射类型（Mapping Types）是一种关联式的容器类型，它存储了对象与对象之间的映射关系。 字典（dict）是Python中唯一的映射类型，它是存储了一个个 键值对（由 键 映射到 值）的关联容器。其中，键（key）必须是可哈希的Python对象，而 值（value）可以是任何Python对象。在功能上，Python中的字典类似于C++中的map。 Python中最强大、最灵活的数据类型当属 列表 和 字典，以下是对这两种数据类型的简单比较： 比较点列表字典 表示方法 []，[1, 2] {}，{'a': 1, 'b': 2} 访问元素的方式 索引 键 有序性 有序 无序 可变性 可变 可变 可操作性 操作丰富 操作丰富 表征的数据结构 数组、堆栈、队列等 哈希表等 二、操作字典支持的主要操作如下： 操作说明 class dict(other) 创建字典（other可以是字典、(key, value)对的迭代器或关键字参数） dict.fromkeys(seq[, value]) 创建字典：用序列seq中的元素作为键，值全为value（未指定，则默认为None） len(d) 返回字典d的长度（即d中元素的个数） d[key] 如果键key在字典d中，则返回其中key对应的值；否则抛出KeyError异常 d[key] = value 设置d[key]的值为value（存在则修改，不存在则添加） del d[key] 如果键key在字典d中，则从字典d中删除d[key]；否则抛出KeyError异常 key in d 如果key在字典d中，返回True；否则，返回False key not in d 如果key在字典d中，返回False；否则，返回True iter(d) 同iterkeys() d.clear() 删除字典d中的所有元素 d.copy() 返回字典d的浅拷贝 d.get(key[, default]) 如果key在字典d中，则返回d[key]；否则返回default（未指定，则默认为None） d.has_key(key) 同key in d（推荐使用key in d） d.items() 返回包含字典d中的(key, value)对的列表 d.iteritems() 迭代版的items()：返回迭代器 d.iterkeys() 迭代版的keys()：返回迭代器 d.itervalues() 迭代版的values()：返回迭代器 d.keys() 返回包含字典d中的键的列表 d.pop(key[, default]) 如果key在字典d中，则返回并删除d[key]；否则返回default（未指定，则抛出KeyError异常） d.popitem() 返回并删除字典d中的任意一个元素（如果d为空，则抛出KeyError异常） d.setdefault(key[, default]) 如果key在字典d中，则返回d[key]；否则执行d[key] = default，并返回default（未指定，则默认为None） d.update([other]) 将other中的(key, value)对添加到字典d中（other可以是字典、(key, value)对的迭代器或关键字参数） d.values() 返回包含字典d中的值的列表 d.viewitems() 返回字典d的元素视图 d.viewkeys() 返回字典d的键视图 d.viewvalues() 返回字典d的值视图以上操作的示例如下： >>> a = {'one': 1, 'two': 2, 'three': 3} >>> b = dict(one=1, two=2, three=3) >>> c = dict(zip(['one', 'two', 'three'], [1, 2, 3])) >>> d = dict({'three': 3, 'one': 1, 'two': 2}) >>> a == b == c == d True >>> d = dict.fromkeys(['a', 'b', 'c']) >>> d {'a': None, 'c': None, 'b': None} >>> d = dict.fromkeys(['a', 'b', 'c'], 6) >>> d {'a': 6, 'c': 6, 'b': 6} >>> len(d) 3 >>> d.clear() >>> d {} >>> d = a.copy() >>> d {'one': 1, 'three': 3, 'two': 2} >>> d['three'] 3 >>> d['four'] = 4 >>> d {'four': 4, 'one': 1, 'three': 3, 'two': 2} >>> del d['one'] >>> d {'four': 4, 'three': 3, 'two': 2} >>> 'four' in d, 'four' not in d (True, False) >>> d.has_key('four') True >>> d.get('one'), d.get('one', 10) (None, 10) >>> for k in d: ... print k, ... four three two >>> for k in iter(d): ... print k, ... four three two >>> for k in d.keys(): ... print k, ... four three two >>> for k in d.iterkeys(): ... print k, ... four three two >>> for k in d.viewkeys(): ... print k, ... four three two >>> for v in d.values(): ... print v, ... 4 3 2 >>> for v in d.itervalues(): ... print v, ... 4 3 2 >>> for v in d.viewvalues(): ... print v, ... 4 3 2 >>> for i in d.items(): ... print i, ... ('four', 4) ('three', 3) ('two', 2) >>> for i in d.iteritems(): ... print i, ... ('four', 4) ('three', 3) ('two', 2) >>> for i in d.viewitems(): ... print i, ... ('four', 4) ('three', 3) ('two', 2) >>> d.setdefault('two') 2 >>> d {'four': 4, 'three': 3, 'two': 2} >>> d.setdefault('one', 1) 1 >>> d {'four': 4, 'one': 1, 'three': 3, 'two': 2} >>> d.update(five=1) >>> d {'four': 4, 'one': 1, 'five': 1, 'three': 3, 'two': 2} >>> d.update({'six': 6}) >>> d {'four': 4, 'five': 1, 'two': 2, 'six': 6, 'three': 3, 'one': 1} >>> d.pop('four') 4 >>> d {'five': 1, 'two': 2, 'six': 6, 'three': 3, 'one': 1} >>> d.popitem() ('five', 1) >>> d {'two': 2, 'six': 6, 'three': 3, 'one': 1} 三、字典特性 1、有序与无序从概念上讲，字典提供了这样一种抽象：容器中的元素之间完全独立（于是也没有先后顺序），“键”是访问元素的唯一方式。在这种 抽象层面 上，字典是 无序 的。 从实现上讲，字典其实是由 哈希表 实现的。而哈希表的基本思想是：通过 哈希函数（hash function）将“键”转换为“索引”，再使用“索引”去访问 连续列表（如C中的数组）中的元素。由此可知，在哈希表中：一方面，元素本质上是存储在一个连续列表中的，因此是 有序 的；另一方面，用户无法确定元素在连续列表中的实际位置（只能使用“键”去访问元素，而“键”与“索引”的映射关系是由哈希函数在内部指定的），因此又是 无序 的。 因此在 实现层面 上，字典同时具备了 无序 和 有序 的特点： 无序体现在：字典中元素的排列顺序与添加顺序无关 有序体现在：在字典保持不变的情况下，字典中元素的排列顺序是固定的上图对应的示例如下： # 无序 >>> d = {} >>> d['a'] = 1 >>> d {'a': 1} >>> d['b'] = 2 >>> d {'a': 1, 'b': 2} >>> d['c'] = 3 >>> d {'a': 1, 'c': 3, 'b': 2} # 有序 >>> for k in d: # 键的顺序固定 ... print k, ... a c b >>> for v in d.values(): # 值的顺序固定 ... print v, ... 1 3 2 >>> for i in d.items(): # 元素的顺序固定 ... print i, ... ('a', 1) ('c', 3) ('b', 2) 2、字典的键字典的键具有以下特性： 1）可哈希的（hashable） 只有 可哈希的 对象才能作为字典的键，一个可哈希的对象必须满足以下两个条件： 该对象在其生命周期内有一个不变的哈希值（需要实现__hash__()方法） 该对象是可比较的（需要实现__eq__()或__cmp__()方法）Python中可哈希的对象有： 数值、字符串，以及只含有数值或字符串的元组 用户自定义类的实例（默认是可哈希的，也可以通过实现__hash__()和__cmp__()来修改默认行为）2）哈希等价键 假设有字典d的两个键：keyA和keyB，我们称keyA和keyB是 哈希等价键（自己杜撰的名词），如果keyA和keyB满足以下两个条件： hash(keyA) == hash(keyB) cmp(keyA, keyB) == 0如果keyA和keyB是哈希等价键，那么它们将被视为完全相同的两个键，于是d[keyA]和d[keyB]会指向同一个字典元素。 例如，1和1.0就满足上述两个条件，因此是哈希等价键： >>> hash(1), hash(1.0) (1, 1) >>> cmp(1, 1.0) 0 >>> d = {} >>> d[1] = 'int 1' >>> d {1: 'int 1'} >>> d[1.0] = 'float 1' >>> d {1: 'float 1'}对于用户自定义的类实例，默认情况下（即没有实现__hash__()和__cmp__()时），hash(...)和cmp(...)的结果与 id() 有关（参考 hashable 和 __cmp__()）。默认情况下，一个自定义类的任意两个实例都不是哈希等价键： >>> class A: pass ... >>> a1 = A() >>> a2 = A() >>> hash(a1), hash(a2) (-1064359592, -1064359600) >>> cmp(a1, a2) 1 >>> d = {} >>> d[a1] = 'a1' >>> d {: 'a1'} >>> d[a2] = 'a2' >>> d {: 'a1', : 'a2'}如果想要让同一个类的任意两个实例都是哈希等价键，则可以参考以下示例： >>> class A: ... def __hash__(self): ... return hash(A) ... def __cmp__(self, other): ... return cmp(self.__hash__(), other.__hash__()) ... >>> a1 = A() >>> a2 = A() >>> hash(a1), hash(a2) (-1064346499, -1064346499) >>> cmp(a1, a2) 0 >>> d = {} >>> d[a1] = 'a1' >>> d {: 'a1'} >>> d[a2] = 'a2' >>> d {: 'a2'}类似地，如果想要让一个类的任意一个实例与整数1成为哈希等价键，则可以按照以下方式实现： >>> class A: ... def __hash__(self): ... return 1 ... def __cmp__(self, other): ... return cmp(self.__hash__(), other.__hash__()) ... >>> a = A() >>> hash(1), hash(a) (1, 1) >>> cmp(1, a) 0 >>> d = {} >>> d[1] = 'int 1' >>> d {1: 'int 1'} >>> d[a] = 'instance a' >>> d {1: 'instance a'} 四、字典视图从2.7版本开始，Python中引入了字典视图（Dictionary views）。字典视图 是字典的 动态视图：它们会与字典保持同步，实时反应出字典的变化。字典视图共有3种：键视图（Keys views）、值视图（Values views）和 元素视图（Items views），它们分别由dict.viewkeys()、dict.viewvalues()和dict.viewitems()三个函数返回。 所有的字典视图都支持以下操作： 操作说明 len(dictview) 返回字典的长度 iter(dictview) 返回（键、值、元素）迭代器 x in dictview 判断x是否为（键、值、元素）的成员此外，因为字典的键是 唯一 且 可哈希的，所以 键视图 还支持 类似集合（set-like）的操作。如果字典的值是 可哈希的，那么 元素视图 也支持这些操作： 操作说明 dictview & other 求交集 dictview | other 求并集 dictview - other 求差集 dictview ^ other 求对称差集关于字典视图的示例，请参考 Dictionary view objects。 五、应用 1、模拟switch-case语句以下是C中一个使用switch-case语句的示例： int select(char c) { int num = -1; switch (c) { case 'a': num = 1; break; case 'b': num = 2; break; case 'c': num = 3; break; default: num = 0; break; } return num; }Python中没有提供switch-case语句，但使用字典可以轻松实现类似上面的功能： d = {'a': 1, 'b': 2, 'c': 3} # 普通版本 def select1(c): num = -1 if c not in d: num = 0 else: num = d[c] return num # 惊呆版本 def select2(c): return d.get(c, 0) 2、稀疏矩阵使用元组作为字典的键，可以构建类似稀疏矩阵的数据结构： >>> matrix = {} >>> matrix[(2, 3, 4)] = 88 >>> matrix[(7, 8, 9)] = 99 >>> >>> matrix {(2, 3, 4): 88, (7, 8, 9): 99} >>> >>> x, y, z = 2, 3, 4 >>> matrix[(x, y, z)] 88 3、符号表实际上，Python本身就在内部大量使用了字典，一个典型的应用就是符号表： >>> locals() # 局部符号表 {'__builtins__': , '__name__': '__main__', '__doc__': None, '__package__': None} >>> globals() # 全局符号表 {'__builtins__': , '__name__': '__main__', '__doc__': None, '__package__': None} |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |