python3入门笔记 下

简介: python3入门笔记 下

python3入门笔记 下


python中的dict容器

1.

names = ['Alice', 'Bob', 'Candy', 'David', 'Ellena']
scores = [45, 60, 75, 86, 49]
index = 0
for name in names:
  score = scores[index]
  print('name = {}, score = {}'.format(name, score))
  index = index + 1

使用两个list有些麻烦,而且一个顺序改变,另一个也需要改变,会对应不上

dict是专门保存这种映射的

2.在dict中,每一项包含一个key和一个value

d = {
  'Alice': 45,
  'Bob': 60,
  'Candy': 75,
  'David': 86,
  'Ellena': 49
}

3.定义一个空的dict

d = dict()
print(d) # ==> {}

4.python读取dict元素

可以用d[key],得到对应的value
d = {
  'Alice': 45,
  'Bob': 60,
  'Candy': 75,
  'David': 86,
  'Ellena': 49,
  'Gaven': 86
}
print(d['Bob']) # ==> 60
print(d['Alice']) # ==> 45
当key不存在时,会产生错误
使用get方法可以避免错误
print(d.get('Alice')) # ==> 45
print(d.get('Dodo')) # ==> None

5.python添加dict元素

可以采用赋值语句
d['Alice']=72
d['Mimi']=[72,73]
可以往数据类型是list的value中添加值
d['Mimi'].append(75)
d['Dodo'].append(90)
print(d)

6.python更新dict元素

d = {
  'Alice': 45,
  'Bob': 60,
  'Candy': 75,
  'David': 86,
  'Ellena': 49
}
d['Bob'] = 75
print(d)
\# ==> {'Alice': 45, 'Bob': 75, 'Candy': 75, 'David': 86, 'Ellena': 49}

7.python删除dict元素

d = {
  'Alice': 45,
  'Bob': 60,
  'Candy': 75,
  'David': 86,
  'Ellena': 49
}
d['Bob'] = 75
print(d)
\# ==> {'Alice': 45, 'Bob': 75, 'Candy': 75, 'David': 86, 'Ellena': 49}
再次pop一个已经删除的元素会发生错误

8.python dict的特点

1.查找速度快,缺点是占用内存大,浪费很多内容

2.python3.5之前,dict中的元素是无序的

3.key值不可变,可以是基础数据类型,可以是tuple,不能是list

9.python遍历dict

方法一:

d = {
  'Alice': 45,
  'Bob': 60,
  'Candy': 75,
  'David': 86,
  'Ellena': 49
}
for key in d: # 遍历d的key
  value = d[key]
  if value > 60:
    print(key, value)
\# ==> Candy 75
\# ==> David 86

方法二:

items()方法
for key, value in d.items():
  if value > 60:
    print(key, value)
\# ==> Candy 75
\# ==> David 86

10.keys()函数获取dict所有的key

d = {'Alice': [50, 61, 66], 'Bob': [80, 61, 66], 'Candy': [88, 75, 90]}
for key in d.keys():
  print(key)
\# ==> Alice
\# ==> Bob
\# ==> Candy

11.清除所有元素

d = {'Alice': [50, 61, 66], 'Bob': [80, 61, 66], 'Candy': [88, 75, 90]}
print(d) # ==> {'Alice': [50, 61, 66], 'Bob': [80, 61, 66], 'Candy': [88, 75, 90]}
d.clear()
print(d) # ==> {}

12.获取dict的所有value

values()函数
d = {'Alice': [50, 61, 66], 'Bob': [80, 61, 66], 'Candy': [88, 75, 90]}
for key in d.values():
  print(key)
\# ==> [50, 61, 66]
\# ==> [80, 61, 66]
\# ==> [88, 75, 90]


相关文章
|
5月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
672 7
|
6月前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
506 1
|
5月前
|
Cloud Native 算法 API
Python API接口实战指南:从入门到精通
🌟蒋星熠Jaxonic,技术宇宙的星际旅人。深耕API开发,以Python为舟,探索RESTful、GraphQL等接口奥秘。擅长requests、aiohttp实战,专注性能优化与架构设计,用代码连接万物,谱写极客诗篇。
1040 1
Python API接口实战指南:从入门到精通
|
5月前
|
存储 Java 调度
Python定时任务实战:APScheduler从入门到精通
APScheduler是Python强大的定时任务框架,通过触发器、执行器、任务存储和调度器四大组件,灵活实现各类周期性任务。支持内存、数据库、Redis等持久化存储,适用于Web集成、数据抓取、邮件发送等场景,解决传统sleep循环的诸多缺陷,助力构建稳定可靠的自动化系统。(238字)
963 1
|
6月前
|
调度 数据库 Python
Python异步编程入门:asyncio让并发变得更简单
Python异步编程入门:asyncio让并发变得更简单
372 5
|
6月前
|
数据采集 存储 XML
Python爬虫入门(1)
在互联网时代,数据成为宝贵资源,Python凭借简洁语法和丰富库支持,成为编写网络爬虫的首选。本文介绍Python爬虫基础,涵盖请求发送、内容解析、数据存储等核心环节,并提供环境配置及实战示例,助你快速入门并掌握数据抓取技巧。
|
6月前
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
311 0
|
6月前
|
存储 缓存 安全
Python字典:从入门到精通的实用指南
Python字典如瑞士军刀般强大,以键值对实现高效数据存储与查找,广泛应用于配置管理、缓存、统计等场景。本文详解字典基础、进阶技巧、实战应用与常见陷阱,助你掌握这一核心数据结构,写出更高效、优雅的Python代码。
170 0
|
7月前
|
数据挖掘 数据处理 C++
Python Lambda:从入门到实战的轻量级函数指南
本文通过10个典型场景,详解Python中Lambda匿名函数的用法。Lambda适用于数据处理、排序、条件筛选、事件绑定等简洁逻辑,能提升代码简洁性和开发效率。同时提醒避免在复杂逻辑中过度使用。掌握Lambda,助你写出更高效的Python代码。
439 0
|
7月前
|
数据采集 Web App开发 JSON
Python爬虫基本原理与HTTP协议详解:从入门到实践
本文介绍了Python爬虫的核心知识,涵盖HTTP协议基础、请求与响应流程、常用库(如requests、BeautifulSoup)、反爬应对策略及实战案例(如爬取豆瓣电影Top250),帮助读者系统掌握数据采集技能。
634 0

推荐镜像

更多