【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
|
17天前
|
数据采集 数据可视化 数据挖掘
利用Python自动化处理Excel数据:从基础到进阶####
本文旨在为读者提供一个全面的指南,通过Python编程语言实现Excel数据的自动化处理。无论你是初学者还是有经验的开发者,本文都将帮助你掌握Pandas和openpyxl这两个强大的库,从而提升数据处理的效率和准确性。我们将从环境设置开始,逐步深入到数据读取、清洗、分析和可视化等各个环节,最终实现一个实际的自动化项目案例。 ####
|
15天前
|
数据采集 分布式计算 大数据
构建高效的数据管道:使用Python进行ETL任务
在数据驱动的世界中,高效地处理和移动数据是至关重要的。本文将引导你通过一个实际的Python ETL(提取、转换、加载)项目,从概念到实现。我们将探索如何设计一个灵活且可扩展的数据管道,确保数据的准确性和完整性。无论你是数据工程师、分析师还是任何对数据处理感兴趣的人,这篇文章都将成为你工具箱中的宝贵资源。
|
21天前
|
XML JSON API
如何使用Python将字典转换为XML
本文介绍了如何使用Python中的`xml.etree.ElementTree`库将字典数据结构转换为XML格式。通过定义递归函数处理字典到XML元素的转换,生成符合标准的XML文档,适用于与旧系统交互或需支持复杂文档结构的场景。示例代码展示了将一个简单字典转换为XML的具体实现过程。
16 1
|
25天前
|
开发者 Docker Python
从零开始:使用Docker容器化你的Python Web应用
从零开始:使用Docker容器化你的Python Web应用
34 1
|
28天前
|
传感器 物联网 开发者
使用Python读取串行设备的温度数据
本文介绍了如何使用Python通过串行接口(如UART、RS-232或RS-485)读取温度传感器的数据。详细步骤包括硬件连接、安装`pyserial`库、配置串行端口、发送请求及解析响应等。适合嵌入式系统和物联网应用开发者参考。
45 3
|
29天前
|
数据采集 JavaScript 程序员
探索CSDN博客数据:使用Python爬虫技术
本文介绍了如何利用Python的requests和pyquery库爬取CSDN博客数据,包括环境准备、代码解析及注意事项,适合初学者学习。
74 0
|
1月前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
74 0
|
1月前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
42 2
|
1月前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
45 2
|
1月前
|
数据采集 数据可视化 数据挖掘
Python数据分析:Pandas库实战指南
Python数据分析:Pandas库实战指南