【Python】数据结构之字典

简介:
python 中的词典结构:
d = {      'db1'    : 'swaroopch@byteofpython.info',
             'db2'     : 'larry@wall.org',
             'db3'     : 'matz@ruby-lang.org',
             'db4'     : 'spammer@hotmail.com'
     }
一 字典介绍
   字典(dictionary)是除列表之外python之中最灵活的内置数据结构类型。列表是有序的对象结合,字典是无序的对象集合。两者之间的区别在于:字典当中的元素是通过键来存取的,而不是通过偏移存取。
   字典的主要属性 
   a 通过键而不是偏移量来读取
     字典有时称为关联数组或者哈希表。它们通过键将一系列值联系起来,这样就可以使用键从字典中取出一项。如果列表一样可以使用索引操作从字典中获取内容。
   b 任意对象的无序集合
     与列表不同,保存在字典中的项并没有特定的顺序。实际上,Python将各项从左到右随机排序,以便快速查找。键提供了字典中项的象征性位置(而非物理性的)。
   c 可变,异构,任意嵌套
    与列表相似,字典可以在原处增长或是缩短(无需生成一份拷贝),可以包含任何类型的对象,支持任意深度的嵌套,可以包含列表和其他字典等。
  d 属于可变映射类型
     通过给索引赋值,字典可以在原处修改。但不支持用于字符串和列表中的序列操作。因为字典是无序集合,根据固定顺序进行操作是行不通的(例如合并和分片操作)。字典是唯一内置的映射类型(键映射到值得对象)。
  e 对象引用表(哈希表)
     如果说列表是支持位置读取对象的引用数组,那么字典就是支持键读取无序对象的引用表。从本质上讲,字典是作为哈希表(支持快速检索的数据结构)来实现的。一开始很小,并根据要求而增长。此外,Python采用最优化的哈希算法来寻找键,因此搜索是很快速的。和列表一样字典存储的是对象引用。
 
二 词典的赋值,更新 ,添加,删除操作
>>> d = {      'db1'    : 'swaroopch@byteofpython.info',
...                  'db2'     : 'larry@wall.org',
...                  'db3'     : 'matz@ruby-lang.org',
...                  'db4'     : 'spammer@hotmail.com'
...      }
>>> 

##增加新的值,如果存在则更新,不存在则添加
>>> d['Guido'] = 'guido@python.org'
##删除词典
>>> d
{'db1': 'swaroopch@byteofpython.info', 'db3': 'matz@ruby-lang.org', 'db2': 'larry@wall.org', 'db4': 'spammer@hotmail.com', 'Guido': 'guido@python.org'}
>>> del d['db4']
>>> d
{'db1': 'swaroopch@byteofpython.info', 'db3': 'matz@ruby-lang.org', 'db2': 'larry@wall.org', 'Guido': 'guido@python.org'}

三 词典自带常用函数
##字典长度
>>> print '\nThere are %d contacts in the address-book\n' % len(d)

There are 4 contacts in the address-book
##返回整个词典的(key,value)元组
>>> d.items()
[('db1', 'swaroopch@byteofpython.info'), ('db3', 'matz@ruby-lang.org'), ('db2', 'larry@wall.org'), ('db4', 'spammer@hotmail.com')]
##字典的值查看 返回值的列表
>>> d.values()
['swaroopch@byteofpython.info', 'matz@ruby-lang.org', 'larry@wall.org', 'spammer@hotmail.com']
##字典的键查看 返回键的列表
>>> d.keys()  
['db1', 'db3', 'db2', 'db4']
##创建并返回一个新字典,以seq 中的元素做该字典的键,val 做该字典中所有键对应的初始值(如果不提供此值,则默认为None)
>>> d4=dict.fromkeys(['high','weight'],0) 
>>> d4
{'high': 0, 'weight': 0}
##d.has_key(key) 如果键(key)在字典中存在,返回True,否则返回False. 在Python2.2版本引入in 和not in 后,此方法几乎已废弃不用了,但仍提供一个
>>> d3.has_key('name')
True
>>> 'name' in d3
True
##合并数据 
>>> d3.update(d2) d2合并到d3,d2没有变化,d3变化。注意和字符串,列表的合并操作”+“不同
>>> d2
{'name': 'yangyi', 'db1': 'swaroopch@byteofpython.info', 'db2': 'larry@wall.org', 'db3': 'matz@ruby-lang.org', 'db4': 'spammer@hotmail.com'}
>>> d3
{'name': 'yangyi', 'db1': 'swaroopch@byteofpython.info', 'db3': 'matz@ruby-lang.org', 'db2': 'larry@wall.org', 'db4': 'spammer@hotmail.com'}
>>> 
##pop方法 从字典中删除一个键并返回它的值 ,如果字典为空则报错。
>>> d3
{'age': 23, 'name': {'last': 'yang', 'first': 'yi'}}
>>> d3.popitem()
('age', 23)
>>> d3
{'name': {'last': 'yang', 'first': 'yi'}}
>>> d3.popitem()
('name', {'last': 'yang', 'first': 'yi'})
>>> d3.popitem()
Traceback (most recent call last):
  File "", line 1, in
KeyError: 'popitem(): dictionary is empty'
>>> 
##清空字典
>>> d4
{'weight': 0}
>>> d4.clear()
>>> d4
{}

##遍历 词典:
>>> for dbname in d2.keys():
...   print ' dbname ==> %s,email==> %s' %(dbname,d2[dbname])  
... 
 dbname ==> db1,email==> swaroopch@byteofpython.info
 dbname ==> db2,email==> larry@wall.org
 dbname ==> db3,email==> matz@ruby-lang.org
 dbname ==> db4,email==> spammer@hotmail.com
相关文章
|
1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
156 1
|
1月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
343 0
|
2月前
|
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。
441 0
|
2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。
82 0
|
4月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
145 1
|
11月前
|
存储 缓存 监控
局域网屏幕监控系统中的Python数据结构与算法实现
局域网屏幕监控系统用于实时捕获和监控局域网内多台设备的屏幕内容。本文介绍了一种基于Python双端队列(Deque)实现的滑动窗口数据缓存机制,以处理连续的屏幕帧数据流。通过固定长度的窗口,高效增删数据,确保低延迟显示和存储。该算法适用于数据压缩、异常检测等场景,保证系统在高负载下稳定运行。 本文转载自:https://www.vipshare.com
302 66
|
8月前
|
存储 人工智能 索引
Python数据结构:列表、元组、字典、集合
Python 中的列表、元组、字典和集合是常用数据结构。列表(List)是有序可变集合,支持增删改查操作;元组(Tuple)与列表类似但不可变,适合存储固定数据;字典(Dictionary)以键值对形式存储,无序可变,便于快速查找和修改;集合(Set)为无序不重复集合,支持高效集合运算如并集、交集等。根据需求选择合适的数据结构,可提升代码效率与可读性。
|
12月前
|
存储 开发者 索引
Python 中常见的数据结构
这些数据结构各有特点和适用场景,在不同的编程任务中发挥着重要作用。开发者需要根据具体需求选择合适的数据结构,以提高程序的效率和性能
291 59
|
12月前
|
存储 索引 Python
Python编程数据结构的深入理解
深入理解 Python 中的数据结构是提高编程能力的重要途径。通过合理选择和使用数据结构,可以提高程序的效率和质量
292 59

推荐镜像

更多