
Python 字典(Dictionary)_ python字典操作_python dictionary
字典是另一种可变容器模型,且可存储任意类型对象。
字典的每个键值(key=>value)对用冒号(:)分割,每个对之间用逗号(,)分割,整个字典包括在花括号({})中 ,格式如下所示:
d={key1:value1,key2:value2}
键必须是唯一的,但值则不必。
值可以取任何数据类型,但键必须是不可变的,如字符串,数字或元组。
一个简单的字典实例:
dict={'Alice':'2341','Beth':'9102','Cecil':'3258'}
也可如此创建字典:
dict1={'abc':456};dict2={'abc':123,98.6:37};
把相应的键放入熟悉的方括弧,如下实例:
#!/usr/bin/pythondict={'Name':'Zara','Age':7,'Class':'First'};print"dict['Name']: ",dict['Name'];print"dict['Age']: ",dict['Age'];
以上实例输出结果:
dict['Name']:Zaradict['Age']:7
如果用字典里没有的键访问数据,会输出错误如下:
#!/usr/bin/pythondict={'Name':'Zara','Age':7,'Class':'First'};print"dict['Alice']: ",dict['Alice'];
以上实例输出结果:
dict['Zara']:Traceback(most recent calllast):File"test.py",line4,in<module>print"dict['Alice']: ",dict['Alice'];KeyError:'Alice'
向字典添加新内容的方法是增加新的键/值对,修改或删除已有键/值对如下实例:
#!/usr/bin/pythondict={'Name':'Zara','Age':7,'Class':'First'};dict['Age']=8;# update existing entrydict['School']="DPS School";# Add new entryprint"dict['Age']: ",dict['Age'];print"dict['School']: ",dict['School'];
以上实例输出结果:
dict['Age']:8dict['School']:DPSSchool
能删单一的元素也能清空字典,清空只需一项操作。
显示删除一个字典用del命令,如下实例:
#!/usr/bin/python# -*- coding: UTF-8 -*-dict={'Name':'Zara','Age':7,'Class':'First'};deldict['Name'];# 删除键是'Name'的条目dict.clear();# 清空词典所有条目deldict;# 删除词典print"dict['Age']: ",dict['Age'];print"dict['School']: ",dict['School'];
但这会引发一个异常,因为用del后字典不再存在:
dict['Age']:Traceback(most recent calllast):File"test.py",line8,in<module>print"dict['Age']: ",dict['Age'];TypeError:'type'objectisunsubscriptable
注:del()方法后面也会讨论。
字典键的特性
字典值可以没有限制地取任何python对象,既可以是标准的对象,也可以是用户定义的,但键不行。
两个重要的点需要记住:
1)不允许同一个键出现两次。创建时如果同一个键被赋值两次,后一个值会被记住,如下实例:
#!/usr/bin/pythondict={'Name':'Zara','Age':7,'Name':'Manni'};print"dict['Name']: ",dict['Name'];
以上实例输出结果:
dict['Name']:Manni
2)键必须不可变,所以可以用数字,字符串或元组充当,所以用列表就不行,如下实例:
#!/usr/bin/pythondict={['Name']:'Zara','Age':7};print"dict['Name']: ",dict['Name'];
以上实例输出结果:
Traceback(most recent calllast):File"test.py",line3,in<module>dict={['Name']:'Zara','Age':7};TypeError:list objects are unhashable
Python字典包含了以下内置函数:
Python字典包含了以下内置方法:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18