【Python基础】Python数据容器(字典)

简介: 【Python基础】Python数据容器(字典)

数据容器:dict(字典、映射)

  • 为什么需要字典?

字典提供了 通过A,找到与A相关联的内容的功能

Q:为什么使用字典?

因为使用字典,可以实现通过Key,找到对应的Value的操作

字典的定义

字典:同样使用{},不过存储的元素是一个个的:键值对

语法:

# 定义字典字面量
{key: value, key: value, ....., key: value}
# 定义字典变量
my_dict = {key: value, key: value, ....., key: value}
# 定义空字典
my_dict = {}        # 方式1
my_dict = dict()    # 方式2
# 定义字典
my_dict1 = {"aa": 90, "bb": 83, "cc": 77}
# 定义空字典
my_dict2 = {}
my_dict3 = dict()
print(f"字典1的内容是:{my_dict1},类型{type(my_dict1)}")
print(f"字典2的内容是:{my_dict2},类型{type(my_dict2)}")
print(f"字典3的内容是:{my_dict3},类型{type(my_dict3)}")
# python字典中的Key是不可以重复的
运行效果:
字典1的内容是:{'aa': 90, 'bb': 83, 'cc': 77},类型<class 'dict'>
字典2的内容是:{},类型<class 'dict'>
字典3的内容是:{},类型<class 'dict'>
# 定义重复key的字典
my_dict1 = {"aa": 90, "aa": 83, "cc": 77}
print(f"字典1的内容是:{my_dict1},类型{type(my_dict1)}")
运行效果:
字典1的内容是:{'aa': 83, 'cc': 77},类型<class 'dict'>  
# 新的会把老的给覆盖掉

字典数据的获取

字典同集合一样,不可以使用下标索引

但是字典可以通过Key值来取得对应的Value

# 从字典中基于Key获取Value
my_dict1 = {"aa": 90, "bb": 83, "cc": 77}
score = my_dict1["aa"]
print(f"aa的考试分数是:{score}")
score = my_dict1["bb"]
print(f"bb的考试分数是:{score}")
运行效果:
aa的考试分数是:90
bb的考试分数是:83

字典的嵌套

字典的Key和Value可以是任意数据类型(Key不可为字典)

这表明,字典是可以嵌套的

需求如下:记录学生各科的考试信息

# 定义嵌套字典
stu_score_dict = {
    "aa": {
        "语文": 77,
        "数学": 87,
        "英语": 90
    }, "bb": {
        "语文": 80,
        "数学": 99,
        "英语": 50
    }, "cc": {
        "语文": 97,
        "数学": 77,
        "英语": 80
    }
}
print(f"学生的考试信息是:{stu_score_dict}")
# 从嵌套字典中获取数据
# 看一下aa的语文信息
score = stu_score_dict["aa"]["语文"]
print(f"aa的语文分数是:{score}")
score = stu_score_dict["bb"]["英语"]
print(f"bb的英语分数是:{score}")

字典的注意事项

  • 键值对的Key和Value可以是任意类型(Key不可为字典)
  • 字典内Key不允许重复,重复添加等同于覆盖原有数据
  • 字典不可用下标索引,而是通过Key检索Value

字典的常用操作

(1)新增元素

语法:字典[Key] = Value

结果:字典被修改,新增了元素

新增元素、更新元素 语法一致

如果新增的key不存在,等同于新增元素

如果新增的key存在,等同于更新元素 【因为key不可重复,所以会覆盖原来的value值】

(2)更新元素

语法:字典[Key] = Value

结果:字典被修改,元素被更新

Tip:字典Key不可以重复,所以对已存在的Key执行上述操作,就是更新Value值

my_dict = {"aa": 89, "bb": 90, "cc": 77}
# 新增元素
my_dict["dd"] = 99
print(f"字典新增元素之后是:{my_dict}")
# 更新元素
my_dict["bb"] = 66
print(f"字典更新后:{my_dict}")
运行效果:
字典新增元素之后是:{'aa': 89, 'bb': 90, 'cc': 77, 'dd': 99}
字典更新后:{'aa': 89, 'bb': 66, 'cc': 77, 'dd': 99}

(3)删除元素

语法:字典.pop(Key)

结果:获得指定Key的Value,同时字典被修改,指定Key的数据被删除

# 删除元素
score = my_dict.pop("bb")
print(f"字典中移除了一个元素,结果:{my_dict},bb的分数:{score}")
运行效果:
字典中移除了一个元素,结果:{'aa': 89, 'cc': 77, 'dd': 99},bb的分数:66

(4)清空字典

语法:字典.clear()

结果:字典被修改,元素被清空

# 清空元素
my_dict.clear()
print(f"字典给被清空,内容是:{my_dict}")
运行效果:
字典给被清空,内容是:{}

(5)获取全部key

语法:字典.keys()

结果:得到字典中的全部Key

# 获取全部key
my_dict = {"aa": 89, "bb": 90, "cc": 77}
keys = my_dict.keys()
print(f"字典的全部key:{keys}")
运行效果:
字典的全部key:dict_keys(['aa', 'bb', 'cc'])
  • 取出key的用处
# 遍历字典
# 方式1:通过获取到全部的key来完成遍历
for key in keys:
    print(f"字典的key:{key}")
    print(f"字典的value:{my_dict[key]}")
# 方式2:直接对字典进行for循环,每一次循环都是直接得到key
for key in my_dict:
    print(f"字典的key:{key}")
    print(f"字典的value:{my_dict[key]}")
# 因为字典不支持下标索引,所以字典不可以用while循环

因为字典不支持下标索引,所以字典不可以用while循环

(6)统计字典中的元素数量

语法:len(字典)

# 总计字典中的元素数量,len()函数
my_dict = {"aa": 89, "bb": 90, "cc": 77}
num = len(my_dict)
print(f"字典中的元素数量有:{num}个")
运行效果:
字典中的元素数量有:3个

字典的特点

  • 可以容纳多个数据
  • 可以容纳不同类型的数据
  • 每一份数据是KeyValue键值对
  • 可以通过Key获取Value,Key不可重复(重复会覆盖)
  • 不支持下标索引
  • 可以修改(增加或删除更新元素等)
  • 支持for循环,不支持while循环
  • 案例练习:升职加薪
"""
演示字典的课后练习:升职加薪,对所有级别为1级的员工,级别上升1级,薪水增加1000元
"""
# 组织字典记录数据
info_dict = {
    "aa": {
        "部门": "科技部",
        "工资": 3000,
        "级别": 1
    },
    "bb": {
        "部门": "市场部",
        "工资": 5000,
        "级别": 1
    },
    "cc": {
        "部门": "科技部",
        "工资": 6000,
        "级别": 2
    },
    "dd": {
        "部门": "市场部",
        "工资": 8000,
        "级别": 3
    },
    "ee": {
        "部门": "科技部",
        "工资": 9000,
        "级别": 3
    }
}
# 升职加薪之前的薪资
print(f"升职加薪之前的情况:{info_dict}")
# for循环
for name in info_dict:
    # if条件判断复合条件员工
    if info_dict[name]["级别"] == 1:
        # 升职加薪操作
        # 获取到员工的信息字典
        employee_info_dict = info_dict[name]
        # 修改员工的信息
        employee_info_dict["级别"] = 2  # 级别+1
        employee_info_dict["工资"] += 1000  # 工资+1000
        # 将员工的信息更新回info_dict
        info_dict[name] = employee_info_dict
# 输出结果
print(f"对员工进行升职加薪后的结果是:{info_dict}")


目录
相关文章
|
3天前
|
存储 数据处理 数据格式
Python提取文本文件(.txt)数据的方法
该文介绍了如何使用Python遍历含有多個`.txt`文本文件的文件夹,找出文件名包含`Point`的文件,并从中提取特定波长数据。目标是收集所有相关文件中指定波长对应的后5列数据,同时保留文件名。代码示例展示了如何使用`os`和`pandas`库实现这一功能,最终将所有数据整合到一个DataFrame对象中。
|
1天前
|
Python 数据采集 安全
淘宝商品评论数据爬取:Python实战指南
淘宝商品评论数据的自动爬取可以为市场分析和用户行为研究提供宝贵的信息资源。然而,这一过程需要严格遵守法律法规,尊重数据的版权和隐私。通过合理利用Python的网络爬虫技术,可以在遵循道德规范的前提下,高效地完成数据采集任务。 通过本文的指南,希望你能对淘宝商品评论数据的爬取有一个清晰的认识,并能够安全、合法地进行数据采集。
|
1天前
|
Python 存储 容器
Python 字典(Dictionary)
Python 字典(Dictionary)
|
2天前
|
存储 数据处理 Python
Python字典的常用操作详解
Python字典的常用操作详解
7 1
|
2天前
|
存储 Python
Python字典的定义与操作详解
Python字典的定义与操作详解
4 1
|
2天前
|
存储 索引 Python
Python数据容器的切片操作详解
Python数据容器的切片操作详解
5 1
|
3天前
|
存储 算法 数据处理
字典在Python中的应用与实例
字典在Python中的应用与实例
12 1
|
14天前
|
Prometheus 监控 Cloud Native
构建高效稳定的Docker容器监控体系
【5月更文挑战第20天】 在微服务架构日益普及的今天,Docker作为其重要的实现技术之一,承载着大量应用的运行。然而,随之而来的是对于容器健康状态、资源使用情况以及性能指标的监控需求急剧增加。本文旨在探讨构建一个高效且稳定的Docker容器监控体系,不仅涵盖了监控工具的选择与配置,还详细阐述了监控数据的分析与处理流程。通过精心设计的监控策略和实时响应机制,我们能够确保系统的稳定性,并及时发现及处理潜在的问题。
|
3天前
|
Docker 容器
docker: 如何不新建容器 修改运行容器的端口
docker: 如何不新建容器 修改运行容器的端口
|
3天前
|
数据管理 Linux Docker
docker 数据管理 与容器互联
docker 数据管理 与容器互联