Python教程:深入理解 Python 字典(Dict)

简介: Python 中的字典(Dictionary)是一种非常重要的数据结构,它提供了灵活的键值对存储方式,适用于各种实际编程场景。本文将带领您探索 Python 字典的全貌,从基础概念到高级应用,让您全面了解并熟练运用 Python 字典。

Python 中的字典(Dictionary)是一种非常重要的数据结构,它提供了灵活的键值对存储方式,适用于各种实际编程场景。本文将带领您探索 Python 字典的全貌,从基础概念到高级应用,让您全面了解并熟练运用 Python 字典。

1. 字典的基本概念


字典是 Python 中的一种可变容器模型,用于存储键值对数据。让我们先来看看如何创建一个简单的字典:

# 创建一个简单的字典
my_dict = {'name': 'Alice', 'age': 30, 'city': 'New York'}
print(my_dict)

image.gif

在上面的代码中,我们创建了一个包含姓名、年龄和城市信息的字典,并打印输出该字典。

2. 字典的基本操作


插入新键值对

可以通过指定键来插入新的键值对:

# 插入新的键值对
my_dict['email'] = 'alice@example.com'
print(my_dict)

image.gif

更新键值对

更新已有键的值:

# 更新键值对
my_dict['age'] = 31
print(my_dict)

image.gif

删除键值对

使用 del 关键字删除指定键值对:

# 删除键值对
del my_dict['city']
print(my_dict)

image.gif

3. 字典的常用方法


keys()、values() 和 items() 方法的使用

这些方法分别返回字典的键、值和键值对视图:

# 使用 keys() 方法获取所有键
print(my_dict.keys())
# 使用 values() 方法获取所有值
print(my_dict.values())
# 使用 items() 方法获取所有键值对
print(my_dict.items())

image.gif

get(key) 和 pop(key) 方法的作用和区别

get() 方法用来安全获取键对应的值,而 pop() 方法则除去并返回指定键对应的值:

# 使用 get() 方法获取键对应的值
print(my_dict.get('name'))
# 使用 pop() 方法删除并返回键对应的值
removed_age = my_dict.pop('age')
print(removed_age)
print(my_dict)

image.gif

4. 字典的遍历


遍历字典的键、值和键值对:

# 遍历键
for key in my_dict:
    print(key)
# 遍历值
for value in my_dict.values():
    print(value)
# 遍历键值对
for key, value in my_dict.items():
    print(f'{key}: {value}')

image.gif

5. 嵌套字典


字典中可以嵌套其他字典,形成多层结构。让我们看一个示例:

# 嵌套字典示例
nested_dict = {
    'person1': {'name': 'Alice', 'age': 30},
    'person2': {'name': 'Bob', 'age': 25}
}
print(nested_dict['person1']['name'])  # 访问嵌套字典中的值

image.gif

6. 字典排序


字典本身是无序的,但可以通过一些技巧实现对字典的排序输出。以下是一个根据键或值对字典进行排序的示例:

# 按键排序
sorted_keys = sorted(my_dict.keys())
sorted_dict_by_key = {key: my_dict[key] for key in sorted_keys}
print(sorted_dict_by_key)
# 按值排序
sorted_dict_by_value = {k: v for k, v in sorted(my_dict.items(), key=lambda item: item[1])}
print(sorted_dict_by_value)

image.gif

7. 自定义字典子类


通过继承 dict 类并添加自定义方法,可以创建自定义的字典子类,以满足特定需求。下面是一个简单的示例:

# 自定义字典子类
class MyDict(dict):
    def values_sum(self):
        return sum(self.values())
custom_dict = MyDict({'a': 10, 'b': 20, 'c': 30})
print(custom_dict.values_sum())

image.gif

8.字典推导式


在 Python 中,字典推导式是一种快速创建字典的方法,类似于列表推导式。通过字典推导式,您可以根据特定的表达式来生成字典,使代码更简洁、高效。以下是关于字典推导式的详细讲解和代码示例:

基本语法:

{key: value for key, value in iterable}

image.gif

  • key: 字典中的键。
  • value: 与键相关联的值。
  • iterable: 迭代对象,可以是列表、元组等可迭代对象。

示例1:基本字典推导式

# 创建一个字典,键为1到5的整数,值为对应整数的平方
square_dict = {num: num**2 for num in range(1, 6)}
print(square_dict)

image.gif

输出结果:

{1: 1, 2: 4, 3: 9, 4: 16, 5: 25}

image.gif

示例2:带条件的字典推导式

# 创建一个字典,键为1到5的整数,值为偶数键的平方
even_square_dict = {num: num**2 for num in range(1, 6) if num % 2 == 0}
print(even_square_dict)

image.gif

输出结果:

{2: 4, 4: 16}

image.gif

示例3:字典推导式与函数

# 创建一个字典,键为1到5的整数,值为这些整数的阶乘
def factorial(n):
    if n == 0:
        return 1
    return n * factorial(n - 1)
factorial_dict = {num: factorial(num) for num in range(1, 6)}
print(factorial_dict)

image.gif

输出结果:

{1: 1, 2: 2, 3: 6, 4: 24, 5: 120}

image.gif

注意事项:

  • 字典推导式可以使代码更简洁,但在处理较复杂逻辑时,也要注意可读性。
  • 在使用字典推导式时,确保逻辑清晰、简洁,并尽量避免嵌套过深的情况。

9.高频面试题:Python 字典中的键值对顺序问题


问题描述:

在 Python 中,字典是一种无序的数据结构,但从 Python 3.7 版本开始,字典保留了插入顺序。请解释 Python 字典中键值对的顺序问题,并说明如何利用这一特性。

详细答案:

  1. 字典的无序性: 在 Python 3.6 及之前的版本中,字典的键值对是无序存储的,即添加元素的顺序不会影响字典的遍历顺序。这是由于字典内部使用哈希表实现,为了快速查找而牺牲了顺序性。
  2. Python 3.7 中的改进: 从 Python 3.7 开始,字典保留了插入元素的顺序,这意味着当您迭代字典时,元素的顺序将与插入顺序相同。这一改进使得开发者能够依赖字典中元素的顺序。
  3. 利用字典顺序性的场景
  • 在需要按照添加顺序迭代字典时,可以充分利用这一特性,而不必担心顺序问题。
  • 当构建缓存或记录操作历史等需要保持顺序的场景时,插入顺序保留的字典非常有用。
  1. 注意事项
  • 尽管 Python 3.7 开始字典保留插入顺序,但仍不应该依赖字典的有序性来编写代码,因为这并非 Python 字典的设计目的。
  • 在较旧版本的 Python 中,如果需要有序字典,可以使用 collections.OrderedDict 类。
目录
相关文章
|
3天前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
10 1
|
5天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 插值 2
SciPy插值教程:介绍插值概念及其在数值分析中的应用,特别是在处理数据缺失时的插补和平滑数据集。SciPy的`scipy.interpolate`模块提供了强大的插值功能,如一维插值和样条插值。通过`UnivariateSpline()`函数,可以轻松实现单变量插值,示例代码展示了如何对非线性点进行插值计算。
10 3
|
8天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 4
本教程介绍了SciPy的空间数据处理功能,主要通过scipy.spatial模块实现。内容涵盖空间数据的基本概念、距离矩阵的定义及其在生物信息学中的应用,以及如何计算欧几里得距离。示例代码展示了如何使用SciPy计算两点间的欧几里得距离。
22 5
|
7天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 空间数据 6
本教程介绍了SciPy处理空间数据的方法,包括使用scipy.spatial模块进行点位置判断、最近点计算等内容。还详细讲解了距离矩阵的概念及其应用,如在生物信息学中表示蛋白质结构等。最后,通过实例演示了如何计算两点间的余弦距离。
17 3
|
6天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 7
本教程介绍了SciPy的空间数据处理功能,涵盖如何使用`scipy.spatial`模块进行点的位置判断、最近点计算等操作。还详细解释了距离矩阵的概念及其在生物信息学中的应用,以及汉明距离的定义和计算方法。示例代码展示了如何计算两个点之间的汉明距离。
12 1
|
4天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 插值 3
本教程介绍了SciPy中的插值方法,包括什么是插值及其在数据处理和机器学习中的应用。通过 `scipy.interpolate` 模块,特别是 `Rbf()` 函数,展示了如何实现径向基函数插值,以平滑数据集中的离散点。示例代码演示了如何使用 `Rbf()` 函数进行插值计算。
8 0
|
4天前
|
Python
SciPy 教程 之 Scipy 显著性检验 1
本教程介绍Scipy显著性检验,包括统计假设、零假设和备择假设等概念,以及如何使用scipy.stats模块进行显著性检验,以判断样本与总体假设间是否存在显著差异。
8 0
|
1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)
227 13
|
1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)
32 8
|
1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)
80 5