Python3快速入门——(3)dict(字典结构)

简介: #先回忆下列表的操作animals=["cat","dog","rabbit"] #找到list中的某个值(第一种方法)for animal in animals: if(animal=="c...
#先回忆下列表的操作
animals=["cat","dog","rabbit"] #找到list中的某个值(第一种方法)
for animal in animals:
if(animal=="cat"):
print("Cat found")

animals=["cat","dog","rabbit"] #找到list中的某个值(第二种方法)
if "cat" in animals:
print("Cat found")

student=["Tom","Jim","Sue","Ann"] #找到某人所得分数
scores=[70,80,85,75]
indexes=[0,1,2,3]
name="Sue"
score=0
for i in indexes:
if student[i]==name:
score=scores[i]
print(score)

#字典结构
scores={} #<class 'dict'> Dictionaries 字典结构 key value (键值一一对应)
scores[ "Jim" ]= 80
scores[ "Sue" ]= 85
scores[ "Ann" ]= 75
print (scores.keys()) #dict_keys(['Jim', 'Sue', 'Ann']) 字典中的key
print (scores) #{'Jim': 80, 'Sue': 85, 'Ann': 75} 输出字典中的键和值
print (scores[ "Sue" ]) #输出键所对应的的值 结果为 85

students={ "Tom" : 60 , "Jim" : 70 } #创建字典并初始化键值
students[ "Tom" ]= 65 #更改字典中某个键的值
print ( 'Tom' in students) #判断键是否在字典中

#用字典结构做统计数
pantry=[ "apple" , "orange" , "grape" , "apple" , "orange" , "apple" , "tomato" , "patato" , "grape" ]
pantry_counts={}
for item in pantry: #对list进行遍历
if item in pantry_counts:
pantry_counts[item]=pantry_counts[item]+ 1
else :
pantry_counts[item]= 1
print (pantry_counts) #输出结构{'apple': 3, 'orange': 2, 'grape': 2, 'tomato': 1, 'patato': 1}

补充:dict和set

和list比较,dict有以下几个特点:
(1)查找和插入的速度极快,不会随着key的增加而变慢;
(2)需要占用大量的内存,内存浪费多。
而list相反:
(1)查找和插入的时间随着元素的增加而增加;
(2)占用空间小,浪费内存很少。
#set和dict类似,也是一组key的集合,但不存储value。由于key不能重复,所以,在set中,没有重复的key
#set可以看成数学意义上的无序和无重复元素的集合,因此,两个set可以做数学意义上的交集、并集等操作
s1= set ([ 1 , 2 , 3 , 4 , 5 , 6 ]) #创建一个set,需要提供一个list作为输入集合
s2= set ([ 2 , 3 , 4 , 9 , 8 ])
print (s1&s2) #交集结果 {{2, 3, 4}
print (s1|s2) #并集结果 {1, 2, 3, 4, 5, 6, 8, 9}
s1.add( 11 ) #add(key)方法可以添加元素到set中,可以重复添加,但不会有效果
s1.remove( 1 ) #通过remove(key)方法可以删除元素

相关文章
|
3月前
|
Linux 数据库 数据安全/隐私保护
Python web Django快速入门手册全栈版,共2590字,短小精悍
本教程涵盖Django从安装到数据库模型创建的全流程。第一章介绍Windows、Linux及macOS下虚拟环境搭建与Django安装验证;第二章讲解项目创建、迁移与运行;第三章演示应用APP创建及项目汉化;第四章说明超级用户创建与后台登录;第五章深入数据库模型设计,包括类与表的对应关系及模型创建步骤。内容精炼实用,适合快速入门Django全栈开发。
118 1
|
6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。
|
5月前
|
开发框架 Java .NET
Python中main函数:代码结构的基石
在Python中,`main`函数是程序结构化和模块化的重要组成部分。它实现了脚本执行与模块导入的分离,避免全局作用域污染并提升代码复用性。其核心作用包括:标准化程序入口、保障模块复用及支持测试驱动开发(TDD)。根据项目复杂度,`main`函数有基础版、函数封装版、参数解析版和类封装版四种典型写法。 与其他语言相比,Python的`main`机制更灵活,支持同一文件作为脚本运行或模块导入。进阶技巧涵盖多文件项目管理、命令行参数处理、环境变量配置及日志集成等。此外,还需注意常见错误如全局变量污染和循环导入,并通过延迟加载、多进程支持和类型提示优化性能。
428 0
|
8月前
|
JSON 监控 安全
深入理解 Python 的 eval() 函数与空全局字典 {}
`eval()` 函数在 Python 中能将字符串解析为代码并执行,但伴随安全风险,尤其在处理不受信任的输入时。传递空全局字典 {} 可限制其访问内置对象,但仍存隐患。建议通过限制函数和变量、使用沙箱环境、避免复杂表达式、验证输入等提高安全性。更推荐使用 `ast.literal_eval()`、自定义解析器或 JSON 解析等替代方案,以确保代码安全性和可靠性。
289 2
|
10月前
|
机器学习/深度学习 自然语言处理 语音技术
Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧
本文介绍了Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧,并通过TensorFlow和PyTorch等库展示了实现神经网络的具体示例,涵盖图像识别、语音识别等多个应用场景。
356 8
|
10月前
|
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。
169 1
|
10月前
|
算法 定位技术 Python
震惊!Python 图结构竟然可以这样玩?DFS&BFS 遍历技巧大公开
在 Python 编程中,图是一种重要的数据结构,而深度优先搜索(DFS)和广度优先搜索(BFS)是遍历图的两种关键算法。本文将通过定义图的数据结构、实现 DFS 和 BFS 算法,并通过具体示例展示其应用,帮助读者深入理解这两种算法。DFS 适用于寻找路径和检查图连通性,而 BFS 适用于寻找最短路径。掌握这些技巧,可以更高效地解决与图相关的复杂问题。
143 2
|
10月前
|
算法 Python
SciPy 教程 之 SciPy 图结构 5
SciPy 图结构教程,介绍图的基本概念和SciPy中处理图结构的模块scipy.sparse.csgraph。重点讲解贝尔曼-福特算法,用于求解任意两点间最短路径,支持有向图和负权边。通过示例演示如何使用bellman_ford()方法计算最短路径。
83 3
|
10月前
|
Python
SciPy 教程 之 SciPy 图结构 7
《SciPy 教程 之 SciPy 图结构 7》介绍了 SciPy 中处理图结构的方法。图是由节点和边组成的集合,用于表示对象及其之间的关系。scipy.sparse.csgraph 模块提供了多种图处理功能,如 `breadth_first_order()` 方法可按广度优先顺序遍历图。示例代码展示了如何使用该方法从给定的邻接矩阵中获取广度优先遍历的顺序。
90 2
|
10月前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
149 3

推荐镜像

更多