Python基础 | 比系统自带dict()更方便的字典EasyDict

简介: Python基础 | 比系统自带dict()更方便的字典EasyDict

字典是平时开发中非常常用的一种数据结构,是一种典型的存储"key-value"形式的数据结构,使用字典能够非常方便的存储一些配置等信息。


如想利用字典存储一个学生的基本信息,代码如下:





student = dict()
student['name'] = 'chen'
student['age'] = 20
student['gender'] = 'male'

上面的代码非常的简单易懂,首先定义了一个系统自带的字典数据类型的变量student,然后存储key为name、age和gender的值。


现在要求增加一个新的需求,由于每位在校学生都有一张饭卡,饭卡上有卡号,院系等信息,此时该如何存储新增的信息呢?




student['card'] = dict()
student['card']['no'] = 10001
student['card']['department'] = 'cs'

上面的代码编写虽然完成了需求,但是阅读起来还是非常的不方便,有没有更加简洁易懂的形式呢?


本文将为大家介绍比系统自带的dict()更加方便的字典结构EasyDict,同时该结构也被大量的第三方库广泛使用。单从名字上也可以看到EasyDict是比dict()更加的简单。


第一步:安装第三方依赖库easydict。


pip install easydict

可以使用python的包管理软件pip快速完成安装。


第二步:导入依赖库easydict并给EasyDict别名edict。


from easydict import EasyDict as edict


第三步:使用edict重写上述代码。





student = edict()
student.name = 'chen'
student.age = 20
student.gender = 'male'

大家可以做下比较实用easydict后,代码变得更加简洁也更加易读。


当字典的key又是一个字典时,此时该如何处理?




student.card = edict()
student.card.no = 10001
student.card.department = 'cs'

相对于系统字典的处理方式,少了很多的引号,更加简洁。

目录
相关文章
|
2月前
|
算法 搜索推荐 JavaScript
基于python智能推荐算法的全屋定制系统
本研究聚焦基于智能推荐算法的全屋定制平台网站设计,旨在解决消费者在个性化定制中面临的选择难题。通过整合Django、Vue、Python与MySQL等技术,构建集家装设计、材料推荐、家具搭配于一体的一站式智能服务平台,提升用户体验与行业数字化水平。
|
2月前
|
存储 分布式计算 大数据
基于Python大数据的的电商用户行为分析系统
本系统基于Django、Scrapy与Hadoop技术,构建电商用户行为分析平台。通过爬取与处理海量用户数据,实现行为追踪、偏好分析与个性化推荐,助力企业提升营销精准度与用户体验,推动电商智能化发展。
|
2月前
|
存储 JavaScript Java
(Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
dict字典 Python内置了字典:dict的支持,dict全称dictionary,在其他语言中也称为map,使用键-值(key-value)存储,具有极快的查找速度。 我们可以通过声明JS对象一样的方式声明dict
169 1
|
3月前
|
存储 安全 数据管理
基于python的在线考试系统
本系统基于Python开发,旨在通过信息化手段提升各行业数据管理效率。系统具备良好的安全性、稳定性及可扩展性,支持数据高效处理与决策支持,适用于教育、医疗、旅游等多个领域,助力办公自动化与科学化管理,显著提升工作效率并降低错误率。
|
2月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的台风灾害分析及预测系统
针对台风灾害预警滞后、精度不足等问题,本研究基于Python与大数据技术,构建多源数据融合的台风预测系统。利用机器学习提升路径与强度预测准确率,结合Django框架实现动态可视化与实时预警,为防灾决策提供科学支持,显著提高应急响应效率,具有重要社会经济价值。
|
2月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的青少年网络使用情况分析及预测系统
本研究基于Python大数据技术,构建青少年网络行为分析系统,旨在破解现有防沉迷模式下用户画像模糊、预警滞后等难题。通过整合多平台亿级数据,运用机器学习实现精准行为预测与实时干预,推动数字治理向“数据驱动”转型,为家庭、学校及政府提供科学决策支持,助力青少年健康上网。

推荐镜像

更多