【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
|
1月前
|
存储 监控 API
Python实战:跨平台电商数据聚合系统的技术实现
本文介绍如何通过标准化API调用协议,实现淘宝、京东、拼多多等电商平台的商品数据自动化采集、清洗与存储。内容涵盖技术架构设计、Python代码示例及高阶应用(如价格监控系统),提供可直接落地的技术方案,帮助开发者解决多平台数据同步难题。
|
1月前
|
存储 JSON 算法
Python集合:高效处理无序唯一数据的利器
Python集合是一种高效的数据结构,具备自动去重、快速成员检测和无序性等特点,适用于数据去重、集合运算和性能优化等场景。本文通过实例详解其用法与技巧。
96 0
|
20天前
|
JSON API 数据安全/隐私保护
Python采集淘宝评论API接口及JSON数据返回全流程指南
Python采集淘宝评论API接口及JSON数据返回全流程指南
|
22天前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
11天前
|
存储 JSON 数据管理
Python字典:高效数据管理的瑞士军刀
Python字典基于哈希表实现,提供接近O(1)的高效查找,支持增删改查、遍历、合并等丰富操作,广泛应用于计数、缓存、配置管理及JSON处理。其灵活性与性能使其成为数据处理的核心工具。
227 0
|
1月前
|
数据可视化 大数据 数据挖掘
基于python大数据的招聘数据可视化分析系统
本系统基于Python开发,整合多渠道招聘数据,利用数据分析与可视化技术,助力企业高效决策。核心功能包括数据采集、智能分析、可视化展示及权限管理,提升招聘效率与人才管理水平,推动人力资源管理数字化转型。
|
Python 容器
捋一捋操作python容器的内置通用函数
正式的Python专栏第31篇,同学站住,别错过这个从0开始的文章!
370 0
捋一捋操作python容器的内置通用函数
|
22天前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
191 102
|
22天前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
194 104
|
22天前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
185 103

推荐镜像

更多