python之字典知识点总结
liuian 2024-11-28 00:43 16 浏览
字典的定义
字典(dict)是较常用的数据类型,使用键值对的方式存储数据。键(key)必须是不可变对象且不能重复,通常用字符串作key;值(value)则不限类型。字典的底层结构是散列表(hash table),可以快速查key得value,是一种以空间换时间的数据结构。
字典的优点是查找和添加数据的速度快,不会随着键的数量增加而变慢;缺点是耗费内存。
列表的缺点是查找和插入数据的速度随着元素数量增加而变慢;优点是节省内存。
另外需要注意的是python 3.6改写了字典的内部算法,因此在3.6及更高版本的python中字典是有序的,顺序是元素添加的顺序。python3.6以前的版本字典是无序的。以下是验证示例代码:
d= dict()
d["name"] = "Mike"
d["age"] = 20
d["money"] = 8000
d["height"] = 180
for key, value in d.items():
print(key, value)
#可多次运行上述代码验证,每次打印的顺序都和字典内容添加顺序一致,说明是有序的。
s= {"Mike",20,8000,180}
for i in s:
print(i)
#可多次运行上述代码验证,每次打印的顺序都不一样,说明是无序的。
字典的创建
- 空字典,一对花括号。
d={}
print(type(d))
out:
<class 'dict'>
- 一对键值对的字典,用冒号隔开键值对、花括号将其包围。
d = {'name':'Mike'}
print(type(t))
out:
<class 'dict'>
- 多对键值对的字典,用花括号将多对键值对包围,键值对之间用逗号隔开。
d = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print(type(d))
out:
<class 'dict'>
- 其他类型转换成字典。
key = ('name', 'age', 'money', 'height')
value = ("Mike", 20, 8000, 180)
d = dict(zip(key, value)) # 将2个列表或元组合并成字典的最常用的方法,要熟记
print(d)
list1=[('a', 1), ('b', 2), ('c', 3)]
dict2 = dict(list1)
print(dict2) # 嵌套列表或元组,每个元素都是2个子元素,可转成字典,不如zip方法方便
out:
{'name': 'Mike', 'age': 20, 'money': 8000, 'height': 180}
{'a': 1, 'b': 2, 'c': 3}
- 字典推导式,字典推导式虽然有,实际用的很少,在此不再赘述。建字典最常用的dict(zip(key,value))方法要熟练掌握。
- 创建有键无值的字典或键不同值相同的字典。
key = ('name', 'age', 'money', 'height')
dict1 = dict.fromkeys(key) # 有键无值
print(dict1)
dict2 = dict.fromkeys(key, 0) # 键不同值相同
print(dict2)
out:
{'name': None, 'age': None, 'money': None, 'height': None}
{'name': 0, 'age': 0, 'money': 0, 'height': 0}
字典的访问
- 通过方括号访问键取值。若访问不存在的键会报错。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print(dict1["money"])
# print(dict['country']) 异常TypeError: 'type' object is not subscriptable
out:
8000
- 用get方法访问键取值。可预设默认值,若键不存在,则返回默认值,不添加键值对;键存在则返回原值。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print(dict1.get('name'))
print(dict1.get('country', 'USA'))
print(dict1) # get方法不会添加键值对
dict1['country'] = 'UK'
print(dict1.get('country', 'USA'))
out:
Mike
USA
{'name': 'Mike', 'age': 20, 'money': 8000, 'height': 180}
UK
- 用setdefault方法访问键取值。可预设默认值,若键不存在,则返回默认值,会添加键值对;键存在则返回原值。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print(dict1.setdefault('name', 'George'))
print(dict1)
print(dict1.setdefault('country', 'USA'))
print(dict1)
out:
Mike
{'name': 'Mike', 'age': 20, 'money': 8000, 'height': 180}
USA
{'name': 'Mike', 'age': 20, 'money': 8000, 'height': 180, 'country': 'USA'}
字典的增加与修改
- 通过方括号直接添加或修改键值对。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
dict1['coutry'] = 'USA' # 字典无此键时表示添加键值对
dict1['age'] = 21 # 字典有此键时表示修改值
print(dict1)
out:
{'name': 'Mike', 'age': 21, 'money': 8000, 'height': 180, 'coutry': 'USA'}
- 通过update方法添加或修改键值对。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
dict1.update({'country': 'USA'}) # 字典无此键时表示添加键值对
dict1.update({'age': 21}) # 字典有此键时表示修改值
print(dict1)
out:
{'name': 'Mike', 'age': 21, 'money': 8000, 'height': 180, 'country': 'USA'}
字典的删除
- del:根据key删除元素,也可以直接删除字典本身。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
del dict1['money']
print(dict1)
del dict1
out:
{'name': 'Mike', 'age': 20, 'height': 180}
- pop方法:删除指定键,返回值;若指定的键不存在会报错。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print(dict1.pop('money'))
print(dict1)
out:
8000
{'name': 'Mike', 'age': 20, 'height': 180}
- popitem方法:随机删除一项键值对并返回该键值对。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print(dict1.popitem())
print(dict1)
out:
('height', 180)
{'name': 'Mike', 'age': 20, 'money': 8000}
- clear方法:清空字典内容,保留字典本身,在循环体中需要清空字典时优先用这个方法,而不要新建字典,因为新建的开销相对较大。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
dict1.clear()
print(dict1)
out:
{}
字典的查询
- 对字典的key做in运算。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print('name' in dict1)
print('Mike' in dict1)
out:
True
False
- 对字典的值做in运算。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print('name' in dict1.values())
print('Mike' in dict1.values())
out:
False
True
字典的内置方法
字典的内置方法非常丰富,除了上面说过的fromkeys、get、setdefault、update、pop、popitem、clear,还有一些序列通用方法len、copy,字典专属方法items()、keys()、values()。
- len,返回字典的元素长度。
- copy,建立字典的副本,内容一致,id不同。(注意:嵌套结构要用deepcopy)。
以下是案例:
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
print(len(dict1))
dict2 = dict1.copy()
print(id(dict1), id(dict2))
out:
4
2721528676224 2721528676288
- items,同时返回字典的键值对。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
for key, value in dict1.items():
print(key, value, end='\t')
out:
name Mike age 20 money 8000 height 180
- keys,返回字典的键。
dict1 = {"name": "Mike", "age": 20, "money": 8000, "height": 180}
for key in dict1.keys():
print(key, dict1[key], end='\t')
out:
name Mike age 20 money 8000 height 180
- values,返回字典的值。案例请查看前面的"字典的查询-对字典的值做in运算"
字典的嵌套结构
字典的键是不可变对象,不要用嵌套结构。字典的值是可变对象,可以是任意嵌套结构。
key = [i for i in range(5)]
value = [ (i, j) for i in range(1,5) for j in range(10,15)]
dict1 = dict(zip(key,value))
print(dict1)
out:
{0: (1, 10), 1: (1, 11), 2: (1, 12), 3: (1, 13), 4: (1, 14)}
相关推荐
- GANs为何引爆机器学习?这篇基于TensorFlow的实例教程为你解惑!
-
「机器人圈导览」:生成对抗网络无疑是机器学习领域近三年来最火爆的研究领域,相关论文层出不求,各种领域的应用层出不穷。那么,GAN到底如何实践?本文编译自Medium,该文作者以一朵玫瑰花为例,详细阐...
- 高丽大学等机构联合发布StarGAN:可自定义表情和面部特征
-
原文来源:arXiv、GitHub作者:YunjeyChoi、MinjeChoi、MunyoungKim、Jung-WooHa、SungKim、JaegulChoo「雷克世界」编译:嗯~...
- TensorFlow和PyTorch相继发布最新版,有何变化
-
原文来源:GitHub「机器人圈」编译:嗯~阿童木呀、多啦A亮Tensorflow主要特征和改进在Tensorflow库中添加封装评估量。所添加的评估量列表如下:1.深度神经网络分类器(DNNCl...
- 「2022 年」崔庆才 Python3 爬虫教程 - 深度学习识别滑动验证码缺口
-
上一节我们使用OpenCV识别了图形验证码躯壳欧。这时候就有朋友可能会说了,现在深度学习不是对图像识别很准吗?那深度学习可以用在识别滑动验证码缺口位置吗?当然也是可以的,本节我们就来了解下使用深度...
- 20K star!搞定 LLM 微调的开源利器
-
LLM(大语言模型)微调一直都是老大难问题,不仅因为微调需要大量的计算资源,而且微调的方法也很多,要去尝试每种方法的效果,需要安装大量的第三方库和依赖,甚至要接入一些框架,可能在还没开始微调就已经因为...
- 大模型DeepSeek本地部署后如何进行自定义调整?
-
1.理解模型架构a)查看深度求索官方文档或提供的源代码文件,了解模型的结构、输入输出格式以及支持的功能。模型是否为预训练权重?如果是,可以在预训练的基础上进行微调(Fine-tuning)。是否需要...
- 因配置不当,约5000个AI模型与数据集在公网暴露
-
除了可访问机器学习模型外,暴露的数据还可能包括训练数据集、超参数,甚至是用于构建模型的原始数据。前情回顾·人工智能安全动态向ChatGPT植入恶意“长期记忆”,持续窃取用户输入数据多模态大语言模型的致...
- 基于pytorch的深度学习人员重识别
-
基于pytorch的深度学习人员重识别Torchreid是一个库。基于pytorch的深度学习人员重识别。特点:支持多GPU训练支持图像的人员重识别与视频的人员重识别端到端的训练与评估简单的re...
- DeepSeek本地部署:轻松训练你的AI模型
-
引言:为什么选择本地部署?在AI技术飞速发展的今天,越来越多的企业和个人希望将AI技术应用于实际场景中。然而,对于一些对数据隐私和计算资源有特殊需求的用户来说,云端部署可能并不是最佳选择。此时,本地部...
- 谷歌今天又开源了,这次是Sketch-RNN
-
前不久,谷歌公布了一项最新技术,可以教机器画画。今天,谷歌开源了代码。在我们研究其代码之前,首先先按要求设置Magenta环境。(https://github.com/tensorflow/magen...
- Tensorflow 使用预训练模型训练的完整流程
-
前面已经介绍了深度学习框架Tensorflow的图像的标注和训练数据的准备工作,本文介绍一下使用预训练模型完成训练并导出训练的模型。1.选择预训练模型1.1下载预训练模型首先需要在Tensorf...
- 30天大模型调优学习计划(30分钟训练大模型)
-
30天大模型调优学习计划,结合Unsloth和Lora进行大模型微调,掌握大模型基础知识和调优方法,熟练应用。第1周:基础入门目标:了解大模型基础并熟悉Unsloth等工具的基本使用。Day1:大模...
- python爬取喜马拉雅音频,json参数解析
-
一.抓包分析json,获取加密方式1.抓包获取音频界面f12打开抓包工具,播放一个(非vip)视频,点击“媒体”单击打开可以复制URL,发现就是我们要的音频。复制“CKwRIJEEXn-cABa0Tg...
- 五、JSONPath使用(Python)(json数据python)
-
1.安装方法pipinstalljsonpath2.jsonpath与Xpath下面表格是jsonpath语法与Xpath的完整概述和比较。Xpathjsonpath概述/$根节点.@当前节点...
- Python网络爬虫的时候json=就是让你少写个json.dumps()
-
大家好,我是皮皮。一、前言前几天在Python白银交流群【空翼】问了一个Python网络爬虫的问题,提问截图如下:登录请求地址是这个:二、实现过程这里【甯同学】给了一个提示,如下所示:估计很多小伙伴和...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)