京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:小K
来源:麦叔编程
❝
如果我们在写Python代码的时候需要把多个字典合并,那么我们将如何使用代码去实现呢?
❞
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
for k, v in origin_dct.items():
new_dct[k] = v
print(new_dct)
代码运行结果:
{'Garvey': 'CSS', 'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP'}
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
dct = dict(new_dct, **origin_dct)
print(dct)
代码运行结果:
{'Garvey': 'CSS', 'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP'}
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
new_dct.update(origin_dct)
print(new_dct)
代码运行结果:
{'Garvey': 'CSS', 'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP'}
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
dct = dict(list(origin_dct.items()) + list(new_dct.items()))
print(dct)
代码运行结果:
{'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP', 'Garvey': 'CSS'}
以上四种方法都是使用函数进行合并的,看上去都不太简便。
使用运算符合并的话,代码会更直观,对读写的人都更友好。
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS"}
dct = origin_dct | new_dct
print(dct)
代码运行结果:
{'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP', 'Garvey': 'CSS'}
❝
使用这种方式合并字典是不是很Python?不着急,合并运算符“|”在字典中还有另一种使用方法。
❞
上面使用合并运算符之后,会生成一个新的字典对象。
那么如果我只是单纯的想把合并结果更新到已存在的字典对象中呢?
类似于列表的append方法,或 x += 1操作。
origin_dct = {"Maishu":"python", "Kevin":"java", "Jason":"PHP"}
new_dct = {"Garvey":"CSS","Maishu":"Go"}
origin_dct |= new_dct
print(origin_dct)
代码运行结果:
{'Maishu': 'python', 'Kevin': 'java', 'Jason': 'PHP', 'Garvey': 'CSS'}
使用|=可以轻松实现。
还记得|运算符在Python的哪个内容中有出现吗?
| 按位或运算符,属于位运算符。
在某些场合|也会被用来做“或”逻辑运算符,例如在正则中。
当然做合并操作的时候只有在碰到字典类型。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26