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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27