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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 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 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 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 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19