Python基础教程之dict和set

简介: Python基础教程之dict和set

1. dict

Python中的dict等于js中的 map ,使用键-值(key-value)存储,具有极快的查找速度。

如果 我们要根据同学的姓名去查找他的成绩在不用dict的情况下。就需要两个list:

names = ['Michael', 'Bob', 'Tracy']
scores = [95, 75, 85]
// 通过一个名字,去查找对应的位置,再从scores中取出对应的成绩
这样导致list的越来越长,速度越来越慢
// 如果通过dict实现,只需要“名字-成绩”就行,无论这个表多大,查找速度都不会变慢,如下:
>>> d = {'Michael': 95, 'Bob': 75, 'Tracy': 85}
>>> d['Michael']
95

原理: 因为dict是通过索引去查找的而不是通过遍历的方式去找的。

// 除了初始化指定外,还可以通过key放入:
>>> d['Adam'] = 67
>>> d['Adam']
67
// 由于一个key只能对应一个value,所以,多次对一个key放入value,后面的值会把前面的值冲掉:
>>> d['Jack'] = 90
>>> d['Jack']
90
>>> d['Jack'] = 88
>>> d['Jack']
88

如果key不存在,dict将会报错。 可以通过in判断key是否存在

或者通过get()方法

// in 方法
>>> 'Thomas' in d
False
//  get() key不存在返回None
>>> d.get('Thomas')
>>> d.get('Thomas', -1)
-1
// 删除key 通过 pop()方法
>>> d.pop('Bob')
75
>>> d
{'Michael': 95, 'Tracy': 85}

注意点:

1. dict 内部存放的顺序和key的放入顺序没有关系
2. 和list比较
    2.1 查找和插入速度极快,不会随着key的增加而变慢
    2.2 需要占用大量的内存,内存浪费多
3. 和list相反
    3.1 查找和插入时间随着元素的增加而增加
    3.2 占用空间小,浪费内存少
4. dict是一种以空间换时间的方法
5. dict的key必须是不可变对象
6. 字符串和整数等不可变,可以作为key,而list的则不行。

2. set

和dict类似,但是不存储value,key不重复。创建set,需要提供一个list作为输入集合,如下:

s = set([1, 2, 3])

s

{1, 2, 3}

// 传入的参数[1, 2, 3]是一个list,而显示的{1, 2,

3}只是告诉你这个set内部有1,2,3这3个元素,

显示的顺序也不表示set是有序的

// set中重复将会被过滤
>>> s = set([1, 1, 2, 2, 3, 3])
>>> s
{1, 2, 3}
// 通过add(key)可以向set中添加元素,可以重复添加但无效果
>>> s.add(4)
>>> s
{1, 2, 3, 4}
>>> s.add(4)
>>> s
{1, 2, 3, 4}
// 通过remove(key)删除元素
>>> s.remove(4)
>>> s
{1, 2, 3}

set和dict的区别仅在于没有存储对应的value。

3. 不可变对象

对于可变对象,对它进行操作,对象本想将会变化

a = ['c', 'b', 'a']

a.sort()

a

['a', 'b', 'c']

对于不可变对象,对象本身不会变化

a = 'abc'

a.replace('a', 'A')

'Abc'

a

'abc'

所以,对于不变对象来说,调用对象自身的任意方法,也不会改变该对象自身的内容。相反,这些方法会创建新的对象并返回,这样,就保证了不可变对象本身永远是不可变的。

相关文章
|
5天前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
9 1
|
7天前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
15 1
|
9天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 插值 2
SciPy插值教程:介绍插值概念及其在数值分析中的应用,特别是在处理数据缺失时的插补和平滑数据集。SciPy的`scipy.interpolate`模块提供了强大的插值功能,如一维插值和样条插值。通过`UnivariateSpline()`函数,可以轻松实现单变量插值,示例代码展示了如何对非线性点进行插值计算。
12 3
|
10天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 7
本教程介绍了SciPy的空间数据处理功能,涵盖如何使用`scipy.spatial`模块进行点的位置判断、最近点计算等操作。还详细解释了距离矩阵的概念及其在生物信息学中的应用,以及汉明距离的定义和计算方法。示例代码展示了如何计算两个点之间的汉明距离。
19 1
|
7天前
|
Python
SciPy 教程 之 Scipy 显著性检验 5
显著性检验用于判断样本与总体假设间的差异是否由随机变异引起,或是假设与真实情况不符所致。SciPy通过scipy.stats模块提供显著性检验功能,P值用于衡量数据接近极端程度,与alpha值对比以决定统计显著性。
11 0
|
8天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 插值 3
本教程介绍了SciPy中的插值方法,包括什么是插值及其在数据处理和机器学习中的应用。通过 `scipy.interpolate` 模块,特别是 `Rbf()` 函数,展示了如何实现径向基函数插值,以平滑数据集中的离散点。示例代码演示了如何使用 `Rbf()` 函数进行插值计算。
16 0
|
8天前
|
Python
SciPy 教程 之 Scipy 显著性检验 1
本教程介绍Scipy显著性检验,包括统计假设、零假设和备择假设等概念,以及如何使用scipy.stats模块进行显著性检验,以判断样本与总体假设间是否存在显著差异。
14 0
|
6月前
|
存储 数据处理 Python
python的set集合:如何利用Python的Set集合来优化数据处理
python的set集合:如何利用Python的Set集合来优化数据处理
|
2月前
|
存储 数据处理 Python
Python中的Set集合:高效数据处理的利器
Python中的Set集合:高效数据处理的利器
45 0
|
3月前
|
Python
【Python 3】Set集合的解析与使用
文章介绍了Python中Set集合的用法,包括如何创建集合、添加和删除元素,以及如何进行元素计数和成员资格检查。
25 0

热门文章

最新文章

下一篇
无影云桌面