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
|
1月前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
70 8
|
1月前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
120 7
|
1月前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
51 4
|
1月前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
50 5
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
35 1
|
2月前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
39 1
|
2月前
|
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。
37 1
|
3月前
|
数据可视化 IDE 开发工具
【Python篇】PyQt5 超详细教程——由入门到精通(中篇二)
【Python篇】PyQt5 超详细教程——由入门到精通(中篇二)
416 13
|
3月前
|
监控 数据可视化 搜索推荐
【Python篇】matplotlib超详细教程-由入门到精通(下篇)2
【Python篇】matplotlib超详细教程-由入门到精通(下篇)
53 8
|
3月前
|
数据可视化 API 数据处理
【Python篇】matplotlib超详细教程-由入门到精通(上篇)
【Python篇】matplotlib超详细教程-由入门到精通(上篇)
194 5