京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Python的dict字典结构操作方法学习笔记
这篇文章主要介绍了Python的dict字典结构操作方法学习笔记本,字典的操作是Python入门学习中的基础知识,需要的朋友可以参考下
一.字典的基本方法
1.新建字典
1)、建立一个空的字典
>>> dict1={}
>>> dict2=dict()
>>> dict1,dict2
({}, {})
2)、新建的时候初始化一个值
>>> dict1={1:'a',2:'b',3:'c'}
>>> dict1
{1: 'a', 2: 'b', 3: 'c'}
3)、利用元组
>>> dict1=dict([(1,'a'),(2,'b'),(3,'c')])
>>> dict1
{1: 'a', 2: 'b', 3: 'c'}
2、获取方法
1)、get(key) 从字典中获取一个key对应的value,返回value
>>> dict1={1:'a',2:'b',3:'c'}
>>> dict1.get(1)
'a'
如果字典里面不存在,则返回一个 NoneType
>>> type(dict1.get(4))
<type 'NoneType'>
如果要求key值不存在,指定另外一个值返回的话
>>> dict1.get(4,'not found')
'not found'
2)、keys() 获取字典中所有的key值,返回一个列表
>>> dict1.keys()
[1, 2, 3]
3)、values() 与keys()方法对应,返回的字典中的所有value的列表
>>> dict1.values()
['a', 'b', 'c']
4)、items() 返回一个 (key,value)对应的元组
>>> dict1.items()
[(1, 'a'), (2, 'b'), (3, 'c')]
5)、iterkeys() , itervalues() , iteritems() 也是分别获取所有的key,value,(key,value)元祖,只是不在是返回列表,而是一个迭代器
>>> for key in dict1.iterkeys():
print key
1
2
3
3、设置字典值的方法
1)、直接的方法就是
>>> dict1[4]='d'
>>> dict1
{1: 'a', 2: 'b', 3: 'c', 4: 'd'}
但是,这个方法就是,如果我想添加的key值已经在字典中,那么就会覆盖掉原来的value值
>>> dict1[4]='e'
>>> dict1
{1: 'a', 2: 'b', 3: 'c', 4: 'e'}
2)、setdefault(key,value) 这个方法的好处就是,如果插入的key不存在字典中,那么插入字典并返回该value,否则的存在于字典中的话,那么返回存在的value,不会覆盖掉
>>> dict1
{1: 'a', 2: 'b', 3: 'c', 4: 'e'}
>>> dict1.setdefault(5,'f')
'f'
>>> dict1.setdefault(5,'g')
'f'
>>> dict1
{1: 'a', 2: 'b', 3: 'c', 4: 'e', 5: 'f'}
4、删除字典
1)pop(key) 删除指定key的一项,成功返回一个删除项的value, 如果不存在,会抛出异常,所以在用这个方法时候,都要用判断 key是否存在,或者catch这个异常
>>> def pop_key(d,key):
try:
d.pop(key)
print "sucess"
except:
print "key is not in dict"
>>> dict1
{1: 'a', 2: 'b'}
>>> pop_key(dict1,3)
key is not in dict
或者
>>> def sub_dict2(d,key):
if d.has_key(key):
d.pop(key)
print "sucess"
else:print "key is not in dict"
>>> pop_key(dict1,3)
key is not in dict
这里的has_key(key)就是判断字典里面是否有该key,当然,也可以用 key in d 来代替
2) popitem() 和pop()类似,只是他是删除一个(key,value)的元组
利用上面的方法,可以得使用一些进阶的用法
A、我们通过2个列表来创建一个字典,第一个列表是所有的key,第二个列表是所有的value
>>> list1=[1,2,3]
>>> list2=['a','b','c']
>>> dict1=dict(zip(list1,list2))
>>> dict1
{1: 'a', 2: 'b', 3: 'c'}
B、找出某一个字典的子字典
>>> dict1
{1: 'a', 2: 'b', 3: 'c'}
>>> dict1=dict([(1,'a'),(2,'b'),(3,'c')])
>>> dict1
{1: 'a', 2: 'b', 3: 'c'}
>>> subkeys=[1,3]
>>> def sub_dict(d,subkeys):
return dict([(k,d.get(k)) for k in subkeys if k in d])
>>> print sub_dict(dict1,subkeys)
{1: 'a', 3: 'c'}
C、反转字典,也就是key变成新字典的value,value变成新字典的key(注意,如果value值有重复,反转后的字典就只会保留一个
>>> def invert_dict(d):
return dict([(k,v) for v,k in d.iteritems()])
>>> print invert_dict(dict1)
{'a': 1, 'c': 3, 'b': 2}
>>>
5、其他基本的方法
1) has_key(key) 判断key是否在字典中
2)copy()返回一个字典的副本(该复制是一个浅复制)
>>> d2={1:[1],2:[2],3:[3]}
>>> d3=d2.copy()
>>> d3[1].append(4)
>>> d2[1]
[1, 4]
如果要深复制的话,就要用到copy.deepcopy(a)
>>> d2={1:[1],2:[2],3:[3]}
>>> import copy
>>> d3=copy.deepcopy(d2)
>>> d3[1].append(4)
>>> print d2[1] , d3[1]
[1] [1, 4]
3)clear( ) 清空dict
4)update(d) 用一个字典来跟新另外一个字典,有点类似与2个字典的合并
>>> dict1={1: 'a', 2: 'b', 3: 'c'}
>>> dict2={1:'x',4:'y'}
>>> dict1.update(dict2)
>>> dict1
{1: 'x', 2: 'b', 3: 'c', 4: 'y'}
>>>
二、遍历
字典的遍历方法很多
1、直接利用dict
>>> d
{'a': 'aa', 'c': 'cc', 'b': 'bb'}
>>> for i in d:
print i,d[i]
a aa
c cc
b bb
2、利用items()
>>> for i,v in d.items():
print i,v
a aa
c cc
b bb
当然也可以这样
>>> for (i,v) in d.items():
print i,v
a aa
c cc
b bb
我印象中有个文章就是比较这2个方法(有括号和没括号)的效率,说字典大小在200以下时候,有括号速度快一点,200以上时候,无括号速度快一点,具体我也没测试。
3、iteritems()
(我觉得比较好的方法)
>>> for k,v in d.iteritems():
print k,v
a aa
c cc
b bb
其他还有些遍历方法,但是我感觉就这3个就足够了
三、一些进阶用法
1、一键多值
一般情况,字典都是一对一映射的,但如果我们需要一对多的映射,比如一本书,我们要统计一些单词出现的页数。那么,可以用list作为dict的value值。在利用setdefault()方法就可以完成
>>> d={'hello':[1,4,9],"good":[1,3,6]}
>>> d
{'good': [1, 3, 6], 'hello': [1, 4, 9]}
>>> d.setdefault('good',[]).append(7)
>>> d
{'good': [1, 3, 6, 7], 'hello': [1, 4, 9]}
>>> d.setdefault('bad',[]).append(2)
>>> d
{'bad': [2], 'good': [1, 3, 6, 7], 'hello': [1, 4, 9]}
>>>
当然,如果写成一个函数话,就可以更方便的使用,
我们也可以利用set来代替list
>>> def addFunc(d,word,pag):
d.setdefault(word,set()).add(pag)
>>> d={'hello':set([1,4,9]),"good":set([1,3,6])}
>>> addFunc(d,'hello',8)
>>> d
{'good': set([1, 3, 6]), 'hello': set([8, 1, 4, 9])}
>>> addFunc(d,'bad',8)
>>> d
{'bad': set([8]), 'good': set([1, 3, 6]), 'hello': set([8, 1, 4, 9])}
2、利用字典完成简单工厂模式
字典的value不单单只是一些常见的字符串,数值,还可以是类和方法,比如我们就可以这样来实现简单工厂模式
>>> class cat(object):
def __init__(self):
print 'cat init'
>>> class dog(object):
def __init__(self):
print 'dag init'
>>> d={'cat':cat,'dog':dog}
>>> def factoryFunc(d,name):
if name in d:
return d[name]()
else:
raise Exception("error")
>>> cat=factoryFunc(d,'cat')
cat init
另外一个例子,利用变量来控制执行的函数
>>> def deal_cat():
print 'cat run!!'
>>> def deal_dog():
print 'dag run!!'
>>> d={'cat':deal_cat ,'dog':deal_dog }
>>> animal='cat'
>>> d[animal]()
cat run!!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-07-24【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21一、活动介绍 2026暑期CDA备考冲刺季,为想利用假期拿证的你量身打造。考点胶囊内容搭配多重硬核福利,让你在旅行、实习、居家 ...
2026-07-21金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15